| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题研究背景 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文所作的工作 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 第2章 相关研究基础 | 第14-26页 |
| ·数据流及其特点 | 第14页 |
| ·数据流挖掘算法的分类 | 第14-16页 |
| ·聚类挖掘 | 第15页 |
| ·分类挖掘 | 第15-16页 |
| ·频繁项集挖掘 | 第16页 |
| ·频繁项集挖掘的基本概念 | 第16-17页 |
| ·FP-growth 算法及评析 | 第17-19页 |
| ·FP-tree 结构 | 第17-19页 |
| ·FP-growth 算法 | 第19页 |
| ·FP-growth 算法的评析 | 第19页 |
| ·FP-stream 算法及评析 | 第19-25页 |
| ·FP-stream 结构 | 第20-22页 |
| ·倾斜时间窗模型及其更新算法 | 第22-24页 |
| ·FP-stream 算法的评析 | 第24-25页 |
| ·数据流挖掘算法的特点 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 数据流中频繁闭合项集挖掘 | 第26-40页 |
| ·问题的提出 | 第26页 |
| ·问题分析 | 第26-28页 |
| ·数据流中 Top-k 频繁闭项集挖掘 | 第28-36页 |
| ·挖掘基本窗口中的闭合项集 | 第28页 |
| ·TopCFI-tree 结构 | 第28-31页 |
| ·TopCFI-tree 的增量更新 | 第31-32页 |
| ·闭合项集检测 | 第32-34页 |
| ·结果集输出 | 第34-36页 |
| ·完整的 TopCFI 算法 | 第36页 |
| ·实验结果及分析 | 第36-38页 |
| ·实验环境及测试数据集 | 第36-37页 |
| ·实验结果分析 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第4章 基于 MapReduce 框架的多数据流挖掘系统 | 第40-52页 |
| ·Hadoop 分布式计算平台 | 第40-43页 |
| ·Hadoop 分布式计算平台简介 | 第40页 |
| ·MapReduce 编程框架 | 第40-43页 |
| ·多数据流的处理策略 | 第43-45页 |
| ·系统设计与实现 | 第45-49页 |
| ·体系结构设计 | 第45-46页 |
| ·数据流分块封装 | 第46页 |
| ·预处理 | 第46-47页 |
| ·算法在 MapReduce 框架下的实现 | 第47-49页 |
| ·性能测试与分析 | 第49-51页 |
| ·算法的窗口滑动时间 | 第49-50页 |
| ·算法内存使用量 | 第50-51页 |
| ·架设平台后的系统资源利用率 | 第51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58页 |