| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 图表目录 | 第9-10页 |
| 1 绪论 | 第10-20页 |
| ·研究背景 | 第10-11页 |
| ·数据挖掘的内容 | 第10页 |
| ·流数据挖掘的意义 | 第10-11页 |
| ·聚类研究现状 | 第11-14页 |
| ·传统的聚类算法 | 第12页 |
| ·基于划分的方法 | 第12页 |
| ·基于层次的方法 | 第12页 |
| ·基于密度的方法 | 第12页 |
| ·基于网格的方法 | 第12页 |
| ·基于模型的方法 | 第12页 |
| ·簇间距离的度量方法 | 第12-13页 |
| ·欧式距离 | 第13页 |
| ·街区距离 | 第13页 |
| ·基于密度的距离 | 第13页 |
| ·已有的流数据聚类算法 | 第13-14页 |
| ·单遍扫描算法 | 第13-14页 |
| ·进化数据流算法 | 第14页 |
| ·关联规则挖掘算法 | 第14-18页 |
| ·非流数据的关联规则算法 | 第15-17页 |
| ·Apriori算法 | 第15-16页 |
| ·FP-growth算法 | 第16-17页 |
| ·已有的流数据关联规则挖掘算法 | 第17-18页 |
| ·主要贡献与创新 | 第18页 |
| ·本文结构 | 第18-20页 |
| 2 基于密度的高精度聚类算法(DHPSC)设计 | 第20-29页 |
| ·传统方法的不足 | 第20页 |
| ·算法框架的选择 | 第20-21页 |
| ·簇间距离的度量 | 第21-26页 |
| ·簇内方差的定义 | 第21-23页 |
| ·簇内距离和簇间距离的定义 | 第23-24页 |
| ·新度量准则的设计 | 第24-26页 |
| ·算法的设计及分析 | 第26-28页 |
| ·参数的设定 | 第26页 |
| ·迭代中所要更新的参数 | 第26页 |
| ·算法中使用的判决标准 | 第26-27页 |
| ·算法步骤 | 第27-28页 |
| ·空间复杂度 | 第28页 |
| ·时间复杂度 | 第28页 |
| ·小结 | 第28-29页 |
| 3 基于密度的高精度聚类算法(DHPSC)实验分析 | 第29-34页 |
| ·实验介绍 | 第29-30页 |
| ·结果与分析 | 第30-33页 |
| ·小结 | 第33-34页 |
| 4 用于流数据的SPSFP算法 | 第34-43页 |
| ·传统FP-tree生成算法的不足 | 第34页 |
| ·单遍扫描算法(SPSFP)的关键步骤 | 第34-38页 |
| ·单遍扫描的FP-tree算法(SPSFP)流程 | 第38-41页 |
| ·单遍扫描算法正确性证明 | 第41-42页 |
| ·用数学归纳法证明 | 第41页 |
| ·从数据结构角度的分析 | 第41-42页 |
| ·小结 | 第42-43页 |
| 5 用于流数据的SPSFP算法实验分析 | 第43-48页 |
| ·算法的理论分析 | 第43-44页 |
| ·算法的时间复杂度 | 第43页 |
| ·算法的空间复杂度 | 第43页 |
| ·算法的精度 | 第43-44页 |
| ·实验介绍 | 第44页 |
| ·结果与分析 | 第44-47页 |
| ·小结 | 第47-48页 |
| 6 总结与展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录 | 第53页 |