对于大型数据，频繁项集挖掘显得庞大而冗余，挖掘最大频繁项集可以减少挖出的频繁项集的个数。可是对于不确定性数据流，传统判断项集是否频繁的方法已不能准确表达项集的频繁性，而且目前还没有在不确定数据流上挖掘最大频繁项集的相关研究。因此，针对上述不足，提出了一种基于衰减模型的不确定性数据流最大频繁项集挖掘算法TUFSMax。该算法采用标记树结点的方法，使得算法不需要超集检测就可挖掘出所有的最大频繁项集，节约了超集检测时间。实验证明了提出的算法在时间和空间上具有高效性。