| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第7-10页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 本文主要工作 | 第8页 |
| 1.3 本文组织 | 第8-10页 |
| 第二章 数据流聚类理论和算法概述 | 第10-20页 |
| 2.1 背景知识 | 第10页 |
| 2.2 数据流聚类算法 | 第10-19页 |
| 2.2.1 数据流聚类算法的要求 | 第10-11页 |
| 2.2.2 数据流聚类常用的理论和技术 | 第11-14页 |
| 2.2.3 数据流聚类算法的分类 | 第14-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 带约束条件的聚类 | 第20-27页 |
| 3.1 约束存在的必要性 | 第20-21页 |
| 3.1.1 指定聚类方向 | 第20-21页 |
| 3.1.2 提高聚类精度 | 第21页 |
| 3.2 约束的分类 | 第21-22页 |
| 3.3 实例级约束的原理 | 第22-23页 |
| 3.4 基于实例级约束的算法 | 第23-27页 |
| 3.4.1 COP-KMEANS算法 | 第23-24页 |
| 3.4.2 C-DBSCAN算法 | 第24-27页 |
| 第四章 基于密度和约束的数据流聚类C-DDStream算法 | 第27-43页 |
| 4.1 算法涉及的一些基本概念和定义 | 第27-31页 |
| 4.1.1 衰减窗口模型和衰减函数 | 第27页 |
| 4.1.2 带约束的核心微簇 | 第27-29页 |
| 4.1.3 带约束的潜在核心微簇 | 第29-30页 |
| 4.1.4 带约束的离群微簇 | 第30页 |
| 4.1.5 微簇级约束 | 第30-31页 |
| 4.2 C-DDStream聚类算法 | 第31-43页 |
| 4.2.1 在线阶段 | 第31-39页 |
| 4.2.2 离线阶段 | 第39-43页 |
| 第五章 实验和结果分析 | 第43-54页 |
| 5.1 实验平台MOA介绍 | 第43-46页 |
| 5.1.1 实验平台MOA介绍 | 第43页 |
| 5.1.2 MOA体系架构 | 第43-46页 |
| 5.2 C-DDStream算法实验结果及分析 | 第46-54页 |
| 5.2.1 实验环境 | 第46-47页 |
| 5.2.2 测试数据集 | 第47页 |
| 5.2.3 实验结果及分析 | 第47-54页 |
| 第六章 总结和展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |