基于概要模型的数据流聚合技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景 | 第14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1 数据流的特点 | 第14-15页 |
| 1.2.2 数据流聚合技术研究现状 | 第15-17页 |
| 1.3 本文主要研究工作和内容安排 | 第17-20页 |
| 第二章 数据流聚合技术相关研究 | 第20-30页 |
| 2.1 典型的数据流概要结构 | 第20-22页 |
| 2.2 数据流窗.模型 | 第22-23页 |
| 2.3 数据流聚合算法研究 | 第23-26页 |
| 2.3.1 数据流聚合算法的底层概要结构 | 第24-25页 |
| 2.3.2 数据流聚合算法 | 第25-26页 |
| 2.4 分形理论 | 第26-28页 |
| 2.4.1 分形理论产生与发展 | 第26-28页 |
| 2.4.2 分形理论的定义 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于分段和分层合并的时间聚合改进算法 | 第30-44页 |
| 3.1 Hokusai聚合算法 | 第30-36页 |
| 3.1.1 Hokusai时间聚合算法 | 第30-33页 |
| 3.1.2 Hokusai项聚合算法 | 第33-35页 |
| 3.1.3 聚合算法性能分析 | 第35-36页 |
| 3.2 基于分段和分层合并的时间聚合改进算法 | 第36-39页 |
| 3.3 实验结果与分析 | 第39-43页 |
| 3.3.1 实验环境 | 第39页 |
| 3.3.2 实验结构分析 | 第39-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于R/S预测控制的项聚合改进算法 | 第44-56页 |
| 4.1 预测和衰减模型 | 第44-48页 |
| 4.1.1 数据流分形特征 | 第44-46页 |
| 4.1.2 R/S时间序列预测模型 | 第46-47页 |
| 4.1.3 衰减窗.模型 | 第47-48页 |
| 4.2 基于预测控制的项聚合改进算法 | 第48-50页 |
| 4.3 实验结果及分析 | 第50-53页 |
| 4.3.1 实验环境 | 第50-51页 |
| 4.3.2 实验结果分析 | 第51-53页 |
| 4.4 本章小结 | 第53-56页 |
| 第五章 结论和展望 | 第56-58页 |
| 5.1 研究结论 | 第56页 |
| 5.2 研究展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66-67页 |
