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 |