| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景及研究目的和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·课题研究的主要内容及组织结构 | 第14-16页 |
| 第2章 数据流及相关技术概述 | 第16-28页 |
| ·数据流概念及特点与挑战 | 第16-17页 |
| ·数据流的概念 | 第16页 |
| ·数据流的特点 | 第16-17页 |
| ·数据流挖掘算法的挑战 | 第17页 |
| ·数据流模型 | 第17-19页 |
| ·数据流处理技术 | 第19-21页 |
| ·基于数据的技术 | 第19-20页 |
| ·基于任务的技术 | 第20-21页 |
| ·数据流管理系统 | 第21-22页 |
| ·数据流挖掘算法 | 第22-27页 |
| ·数据流聚类算法 | 第22-23页 |
| ·数据流分类算法 | 第23-26页 |
| ·数据流频繁模式挖掘算法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 智能移动设备中数据流挖掘处理框架 | 第28-34页 |
| ·引言 | 第28-29页 |
| ·MMF 框架设计 | 第29-33页 |
| ·MMF 框架结构 | 第29-30页 |
| ·MMF 框架流程 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于 MMF 框架的任意形状数据流聚类算法 | 第34-48页 |
| ·引言 | 第34页 |
| ·相关概念 | 第34-36页 |
| ·滑动窗口与时间衰减模型 | 第34-35页 |
| ·问题定义 | 第35-36页 |
| ·RQCluster 算法设计 | 第36-44页 |
| ·RQCluster 算法框架 | 第36-37页 |
| ·不活跃微簇的界定和周期时间的设置 | 第37-39页 |
| ·合并和检查操作子算法 | 第39-40页 |
| ·适应性调节子算法 | 第40-44页 |
| ·实验分析 | 第44-47页 |
| ·实验设置 | 第44页 |
| ·聚类质量 | 第44-45页 |
| ·资源的适应性 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于 MMF 框架的数据流分类算法 | 第48-60页 |
| ·引言 | 第48-49页 |
| ·问题定义 | 第49-51页 |
| ·RaRClass 算法设计 | 第51-57页 |
| ·RaRClass 算法框架 | 第51-52页 |
| ·训练新分类器模型 | 第52-54页 |
| ·对未标记的数据进行分类 | 第54-55页 |
| ·检测新类 | 第55页 |
| ·适应性调节 | 第55-57页 |
| ·实验分析 | 第57-58页 |
| ·实验设置 | 第57页 |
| ·实验评估 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69页 |