| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究的背景和意义 | 第11-12页 |
| ·数据流挖掘概述 | 第12-14页 |
| ·数据流挖掘的发展背景 | 第12-13页 |
| ·数据流挖掘的研究现状 | 第13-14页 |
| ·粒子群算法概述 | 第14-17页 |
| ·粒子群算法简介 | 第14页 |
| ·粒子群算法研究现状 | 第14-15页 |
| ·数据流挖掘存在的问题与研究方向 | 第15-17页 |
| ·本文的工作 | 第17-18页 |
| ·本文的组织 | 第18-19页 |
| 第二章 经典的数据流聚类算法 | 第19-26页 |
| ·数据流聚类算法研究现状 | 第19-20页 |
| ·数据流聚类算法基本思想 | 第20-22页 |
| ·数据流聚类算法框架模型 | 第20-21页 |
| ·数据流聚类与传统数据聚类的不同点 | 第21-22页 |
| ·经典数据流聚类算法 | 第22-23页 |
| ·最小距离原则聚类算法 | 第22页 |
| ·BIRCH算法 | 第22-23页 |
| ·STREAM算法 | 第23页 |
| ·进化的数据流聚类算法 | 第23-25页 |
| ·Clustream算法 | 第23-24页 |
| ·基于投影的数据流聚类算法(HPStream) | 第24-25页 |
| ·其他数据流聚类算法 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于粒子群优化与遗传算子的聚类算法 | 第26-33页 |
| ·进化计算 | 第26-27页 |
| ·遗传算法 | 第26-27页 |
| ·粒子群算法 | 第27页 |
| ·基于粒子群和改进的遗传算法的聚类算法 | 第27-30页 |
| ·改进的遗传算法(IGA) | 第27-28页 |
| ·基于交换技术PSO&IGA的聚类算法 | 第28-30页 |
| ·K-均值聚类算法 | 第30-32页 |
| ·K-means算法 | 第30页 |
| ·利用PSO&IGA算法更新聚类中心的K-means算法 | 第30-31页 |
| ·实验测试分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于粒子群优化与捕食-被捕食模糊聚类算法 | 第33-39页 |
| ·捕食-被捕食算法的问题描述 | 第33页 |
| ·采用密度函数的模糊C-均值聚类 | 第33-35页 |
| ·捕食-被捕食粒子群优化 | 第35-36页 |
| ·基于捕食-被捕食粒子群优化的模糊聚类(PPPSOFC) | 第36-38页 |
| ·算法描述 | 第36-37页 |
| ·实验测试分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于粒子群优化与特征选择的聚类算法 | 第39-46页 |
| ·问题提出 | 第39页 |
| ·基于特征选择数据流聚类算法 | 第39-42页 |
| ·基于粒子群优化与特征选择数据流聚类算法概述 | 第39-40页 |
| ·性能指标更新 | 第40-42页 |
| ·不重要的特征移除 | 第42-43页 |
| ·特征等级水平评定算法 | 第43页 |
| ·不重要特征移除算法 | 第43页 |
| ·实验及分析 | 第43-45页 |
| ·实验算法比较 | 第43-44页 |
| ·结论 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 任意条件模式数据挖掘 | 第46-53页 |
| ·问题提出 | 第46页 |
| ·条件模式定义 | 第46-48页 |
| ·条件模式有关的性质 | 第48-50页 |
| ·条件模式挖掘算法设计 | 第50-51页 |
| ·条件模式挖掘的应用 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第七章 结论与展望 | 第53-55页 |
| ·结论 | 第53-54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 附录 (攻读硕士学位期间发表录用论文) | 第61页 |