| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文所做的工作 | 第11-12页 |
| ·论文组织结构 | 第12页 |
| ·本章小结 | 第12-13页 |
| 第2章 数据流中的数据挖掘 | 第13-22页 |
| ·数据流 | 第13-15页 |
| ·数据流及其特点 | 第13-14页 |
| ·数据流模型 | 第14-15页 |
| ·数据流处理技术 | 第15-19页 |
| ·基于数据的技术 | 第15-17页 |
| ·基于任务的技术 | 第17-19页 |
| ·数据流挖掘方法 | 第19-21页 |
| ·批处理方法 | 第19-20页 |
| ·启发式方法 | 第20-21页 |
| ·数据流挖掘算法特点 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第3章 频繁模式挖掘算法 | 第22-38页 |
| ·相关概念 | 第22-24页 |
| ·静态的频繁模式挖掘 | 第24-27页 |
| ·FP-growth算法 | 第24-26页 |
| ·Closet算法 | 第26页 |
| ·Closet +算法 | 第26-27页 |
| ·数据流中的频繁模式挖掘 | 第27-37页 |
| ·Lossy Counting算法 | 第27-28页 |
| ·Count Sketch算法 | 第28-29页 |
| ·Sliding Window方法 | 第29-30页 |
| ·FP-stream算法 | 第30-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 数据流中频繁闭合项集挖掘 | 第38-51页 |
| ·问题提出 | 第38-39页 |
| ·问题分析 | 第39-40页 |
| ·基本窗口的闭合项集挖掘(MCFI_MinL算法) | 第40-41页 |
| ·数据流中top k频繁闭合项集挖掘 | 第41-50页 |
| ·TKCFI-tree结构 | 第41-44页 |
| ·TKCFI-tree的增量更新 | 第44-45页 |
| ·结果集输出 | 第45-48页 |
| ·闭合项集检测 | 第48-49页 |
| ·完整的TKCFI算法 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 实验结果及分析 | 第51-55页 |
| ·实验环境及测试数据集 | 第51页 |
| ·分析实验结果 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| ·全文总结 | 第55页 |
| ·研究展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 附录 | 第62页 |