首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

数据流概要与数据流分析若干关键问题研究

摘要第1-6页
ABSTRACT第6-12页
第一章 绪论第12-25页
   ·课题研究背景第12-16页
     ·数据流管理概述及应用需求第12-13页
     ·数据流管理系统与传统数据库管理系统的对比第13-14页
     ·基本概念第14-16页
   ·研究现状第16-19页
     ·数据流管理系统结构第16-17页
     ·流数据的预处理第17页
     ·数据流概要生成技术第17页
     ·多维数据流相关性分析第17-18页
     ·数据流预测与分类第18-19页
     ·研究现状总结第19页
   ·研究框架和内容第19-23页
     ·研究框架思路第19-21页
     ·研究内容第21-23页
   ·主要贡献与创新第23页
   ·论文组织结构第23-25页
第二章 数据流上异常数据的检测与修正第25-34页
   ·问题定义第25-27页
     ·数据流模式第25页
     ·异常点第25-26页
     ·自适应重构精度的插值小波第26-27页
   ·采用遗忘因子的异常点识别第27-28页
   ·自适应多尺度插值小波算法第28-30页
   ·实验分析第30-33页
   ·本章小结第33-34页
第三章 基于概要的并行数据流范围聚集第34-44页
   ·技术背景第34-35页
     ·采样(sampling)第34-35页
     ·直方图(histogram)第35页
   ·基于采样与直方图概要的电力数据流并行聚集第35-43页
     ·相关定义第37页
     ·适合于数据流划分的采样算法第37-39页
     ·近似划分向量的生成第39-40页
     ·算法性能测试第40-43页
   ·本章小结第43-44页
第四章 多维数据流在线相关性分析第44-56页
   ·引言第44页
   ·相关工作第44-45页
   ·相关定义及理论基础第45-46页
     ·多维数据流模式第45页
     ·多维数据流CCA第45-46页
   ·低阶近似理论及算法第46-49页
   ·StreamCCA算法的实现第49-51页
     ·增量计算S_(11)、S_(12)、S_(21)、S_(22)第49-50页
     ·近似CCA算法第50-51页
   ·实验分析第51-54页
   ·本章小结第54-56页
第五章 时间序列数据流值的自适应预测第56-69页
   ·引言第56页
   ·相关工作第56-57页
   ·模型与定义第57-62页
     ·概念模型第57-59页
     ·二进插值小波第59-60页
     ·Kalman滤波误差预测子第60-61页
     ·最佳预测点轨迹的确定第61-62页
   ·AFStreams算法的实现第62-65页
     ·AFStreams预测模型的顶层算法第62-63页
     ·多尺度插值算法第63-65页
     ·SKF状态模型的讨论第65页
   ·仿真实验及分析第65-68页
   ·本章小结第68-69页
第六章 支持概念漂移的数据流分类第69-81页
   ·引言第69-70页
   ·相关工作第70-71页
   ·相关理论与定义第71-74页
     ·概念漂移第71页
     ·数据流分类算法的选择第71-72页
     ·连续训练、分类工作原理第72-74页
   ·StreamSPRINT分类系统第74-77页
     ·StreamSPRINT分类系统结构第74-75页
     ·StreamSPRINT分类算法第75-77页
   ·性能评价第77-80页
   ·本章小结第80-81页
第七章 结论与展望第81-83页
   ·工作总结第81页
   ·未来工作展望第81-83页
参考文献第83-91页
致谢第91-92页
附录第92-98页
 附录1 时间序列数据流插值小波的构建第92-96页
  1 时间序列数据流的小波变换第92页
  2 多尺度插值第92-94页
  3 创建Deslaurieris-Dubuc插值小波Matlab源程序第94-96页
 附录2 参与的科研项目第96-97页
 附录3 攻读博士学位期间论文成果第97-98页

论文共98页,点击 下载论文
上一篇:测试数据自动生成技术研究
下一篇:覆盖网络多播路由协议及算法的研究