数据流挖掘技术的研究
| 中文摘要 | 第1-4页 |
| 外文摘要 | 第4-14页 |
| 第1章 引言 | 第14-31页 |
| 1．1 研究背景 | 第14-24页 |
| 1．1．1 数据流挖掘 | 第15-22页 |
| 1．1．2 数据流挖掘模型 | 第22-23页 |
| 1．1．3 滑动窗口在数据流处理中的作用 | 第23-24页 |
| 1．2 国内外的研究现状 | 第24-29页 |
| 1．3 本文的贡献 | 第29-30页 |
| 1．4 本文的结构 | 第30-31页 |
| 第2章 在数据流上有效地获取关联规则的算法 | 第31-48页 |
| 2．1 概述 | 第31-36页 |
| 2．1．1 关联规则和频繁项集 | 第31-35页 |
| 2．1．2 现有的算法 | 第35-36页 |
| 2．2 MARODS算法 | 第36-42页 |
| 2．2．1 预备知识 | 第36-39页 |
| 2．2．2 定义 | 第39-40页 |
| 2．2．3 算法描述 | 第40-42页 |
| 2．2．4 算法分析 | 第42页 |
| 2．3 实验分析 | 第42-46页 |
| 2．4 本章小结 | 第46-48页 |
| 第3章 数据流上基于频繁模式的分类算法 | 第48-64页 |
| 3．1 基本思想 | 第48-51页 |
| 3．1．1 分类的步骤 | 第48-50页 |
| 3．1．2 分类规则 | 第50-51页 |
| 3．2 数据流上的分类算法CODS | 第51-59页 |
| 3．2．1 预备知识 | 第53-54页 |
| 3．2．2 模式的定义 | 第54-55页 |
| 3．2．3 模式的存储结构 | 第55-56页 |
| 3．2．4 存储结构的维护 | 第56-57页 |
| 3．2．5 如何分类 | 第57-58页 |
| 3．2．6 算法描述 | 第58-59页 |
| 3．3 实验结果分析 | 第59-62页 |
| 3．4 本章小结 | 第62-64页 |
| 第4章 用混合平均实现在数据流上聚类的算法 | 第64-74页 |
| 4．1 基本思想 | 第64-70页 |
| 4．1．1 数据交换 | 第65页 |
| 4．1．2 聚类的步骤 | 第65-67页 |
| 4．1．3 概念 | 第67-68页 |
| 4．1．4 算法描述 | 第68-70页 |
| 4．1．5 算法分析 | 第70页 |
| 4．2 实验结果分析 | 第70-73页 |
| 4．3 本章小结 | 第73-74页 |
| 结论 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 独创性声明 | 第82页 |
