| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 引言 | 第11-13页 |
| 1 绪论 | 第13-25页 |
| ·研究背景及意义 | 第13-16页 |
| ·数据流 | 第16-17页 |
| ·数据流的特点 | 第16页 |
| ·数据流模型 | 第16-17页 |
| ·概率数据流 | 第17-20页 |
| ·概率数据流特点 | 第17页 |
| ·概率数据流来源 | 第17-18页 |
| ·概率数据流模型 | 第18-20页 |
| ·聚类技术 | 第20-22页 |
| ·聚类基本概念 | 第20-21页 |
| ·聚类分类 | 第21页 |
| ·聚类技术的发展及其应用 | 第21-22页 |
| ·本文的主要研究内容 | 第22-24页 |
| ·本文的组织结构 | 第24-25页 |
| 2 相关研究工作 | 第25-30页 |
| ·面向数据流的聚类技术 | 第25-26页 |
| ·面向不确定数据的聚类技术 | 第26-27页 |
| ·面向概率数据流的聚类技术 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于小波概要的并行不确定数据流聚类 | 第30-53页 |
| ·引言 | 第30页 |
| ·背景知识和相关工作 | 第30-32页 |
| ·一维离散小波变换(Haar 小波) | 第30-32页 |
| ·相关工作 | 第32页 |
| ·不确定数据流模型 | 第32-33页 |
| ·不确定数据流的小波分解及其概要结构 | 第33-41页 |
| ·不确定数据流的小波分解方法(U-HWT) | 第33-35页 |
| ·不确定数据流的小波分解的能量保持性 | 第35-36页 |
| ·不确定数据流的概要结构(UW-HS) | 第36-37页 |
| ·不确定数据流的 Haar 小波归并及 UW-HS 的动态维护 | 第37-41页 |
| ·U-HWT-kmeans 算法 | 第41-45页 |
| ·U-HWT-kmeans 算法的聚类距离 | 第41-44页 |
| ·U-HWT-kmeans 算法的聚类中心计算 | 第44-45页 |
| ·实验结果及分析 | 第45-52页 |
| ·实验设置 | 第45-47页 |
| ·实验结果 | 第47-52页 |
| ·本章小结 | 第52-53页 |
| 4 基于密度的概率数据流聚类算法 | 第53-74页 |
| ·引言 | 第53-54页 |
| ·相关工作 | 第54页 |
| ·概率数据流模型 | 第54-55页 |
| ·Pdenstream 算法的基本思想 | 第55-65页 |
| ·相关概念 | 第55-58页 |
| ·Pdenstream 算法的基本框架 | 第58-60页 |
| ·Pdenstream 算法的具体实现策略 | 第60-65页 |
| ·实验结果及分析 | 第65-73页 |
| ·实验设置 | 第65-67页 |
| ·实验结果 | 第67-73页 |
| ·本章小结 | 第73-74页 |
| 5 滑动窗口下基于密度的概率数据流聚类 | 第74-97页 |
| ·引言 | 第74页 |
| ·相关工作 | 第74-75页 |
| ·滑动窗口模型 | 第75-76页 |
| ·PWdenstream 算法的基本思想 | 第76-82页 |
| ·概率密度系数和概率密度 | 第76页 |
| ·具有聚类特征指数直方图结构的微簇 | 第76-80页 |
| ·PWdenstream 算法的基本框架 | 第80-82页 |
| ·PWdenstream 算法的实现策略 | 第82-86页 |
| ·初始化 | 第82-83页 |
| ·微簇选择算法 TupleFindCluster | 第83页 |
| ·概率元组与微簇的合并 | 第83页 |
| ·微簇的动态维护算法 Updateclusters1 和 Updateclusters2 | 第83-84页 |
| ·微簇的合并算法 ClosetPDmerging | 第84页 |
| ·检查微簇的变化情况算法 Clustersprocess | 第84-86页 |
| ·聚类结果的生成 | 第86页 |
| ·实验结果及分析 | 第86-95页 |
| ·实验设置 | 第87-88页 |
| ·实验结果 | 第88-95页 |
| ·本章小结 | 第95-97页 |
| 6 总结与展望 | 第97-99页 |
| ·本文工作总结 | 第97-98页 |
| ·研究工作展望 | 第98-99页 |
| 参考文献 | 第99-104页 |
| 在学研究成果 | 第104-105页 |
| 致谢 | 第105页 |
