| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 数据流关联规则挖掘存在的问题 | 第11-12页 |
| 1.4 本文解决的主要问题 | 第12页 |
| 1.5 本文研究的目的和主要内容 | 第12-13页 |
| 1.6 本文的组织结构 | 第13-15页 |
| 第二章 数据挖掘相关基本概念与理论 | 第15-27页 |
| 2.1 数据挖掘 | 第15-18页 |
| 2.1.1 数据挖掘的概念 | 第15-16页 |
| 2.1.2 数据挖掘经典算法简介及行业应用 | 第16-18页 |
| 2.2 数据流挖掘 | 第18-21页 |
| 2.2.1 数据流的特点及其挖掘难点 | 第18-19页 |
| 2.2.2 数据流挖掘中的窗口机制 | 第19-21页 |
| 2.3 关联规则挖掘 | 第21-26页 |
| 2.3.1 基本概念与性质 | 第21-22页 |
| 2.3.2 频繁项集挖掘算法 | 第22-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于多最小支持度加权的数据流关联规则挖掘算法 | 第27-41页 |
| 3.1 问题描述和相关研究 | 第27-28页 |
| 3.2 SWM-MMSW算法的相关定义与概念 | 第28-29页 |
| 3.3 SWM-MMSW算法描述 | 第29-34页 |
| 3.3.1 算法使用的数据结构 | 第29-30页 |
| 3.3.2 SWM-MMSW算法的基本思想 | 第30-31页 |
| 3.3.3 SWM-MMSW算法举例 | 第31-34页 |
| 3.4 SWM-MMSW算法的流程 | 第34-37页 |
| 3.4.1 滑动窗口初始阶段和滑动阶段 | 第34-36页 |
| 3.4.2 频繁项集产生阶段 | 第36-37页 |
| 3.5 实验结果分析 | 第37-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 基于加权的数据流TOP-K关联规则挖掘 | 第41-51页 |
| 4.1 引言 | 第41页 |
| 4.2 算法描述 | 第41-47页 |
| 4.2.1 W-TKFM数据结构 | 第41-42页 |
| 4.2.2 W-TKFM频繁项集挖掘 | 第42-47页 |
| 4.3 实验结果及分析 | 第47-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 研究工作总结 | 第51-52页 |
| 5.2 未来工作展望 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 发表论文情况 | 第59-61页 |
| 致谢 | 第61页 |