| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外相关研究 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.3.1 数据流聚类分析算法的挑战 | 第12-13页 |
| 1.3.2 本文的主要研究点和研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 聚类分析算法 | 第15-22页 |
| 2.1 数据挖掘和聚类分析 | 第15-17页 |
| 2.1.1 数据挖掘的过程 | 第15-16页 |
| 2.1.2 聚类分析技术 | 第16-17页 |
| 2.2 传统的数据聚类分析算法 | 第17-21页 |
| 2.2.1 基于划分的聚类分析算法 | 第17-18页 |
| 2.2.2 基于层次的聚类分析算法 | 第18-19页 |
| 2.2.3 基于密度的聚类分析算法 | 第19-20页 |
| 2.2.4 基于网格的聚类分析算法 | 第20页 |
| 2.2.5 基于模型的聚类分析算法 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 实时数据流聚类分析算法 | 第22-30页 |
| 3.1 数据流基本概念 | 第22-23页 |
| 3.1.1 数据流的定义 | 第22页 |
| 3.1.2 数据流的特点 | 第22页 |
| 3.1.3 实时数据流聚类分析过程 | 第22-23页 |
| 3.2 实时数据流聚类相关技术 | 第23-24页 |
| 3.2.1 滑动窗口模型 | 第23-24页 |
| 3.2.2 快照模型 | 第24页 |
| 3.2.3 金字塔时间模型 | 第24页 |
| 3.3 实时数据流聚类分析算法 | 第24-26页 |
| 3.3.1 Stream算法 | 第24-25页 |
| 3.3.2 CluStream算法 | 第25-26页 |
| 3.3.3 HPStream算法 | 第26页 |
| 3.4 基于密度网格的数据流聚类分析算法 | 第26-28页 |
| 3.5 实时数据流聚类分析算法改进思想 | 第28-29页 |
| 3.5.1 基于密度网格聚类分析算法分析 | 第28-29页 |
| 3.5.2 算法改进思想 | 第29页 |
| 3.6 本章小结 | 第29-30页 |
| 第4章 改进的实时数据流聚类分析算法 | 第30-41页 |
| 4.1 改进的算法模型概述 | 第30-31页 |
| 4.2 算法相关定义 | 第31-33页 |
| 4.3 算法的相关模型 | 第33-36页 |
| 4.3.1 子网格相邻网格的判定 | 第33-34页 |
| 4.3.2 边界网格的确定 | 第34页 |
| 4.3.3 孤立网格单元的检测和处理 | 第34-35页 |
| 4.3.4 微簇聚类算法 | 第35-36页 |
| 4.3.5 边界子网格聚类算法 | 第36页 |
| 4.4 DSG-Stream算法的主要流程 | 第36-38页 |
| 4.4.1 在线阶段算法 | 第37-38页 |
| 4.4.2 离线阶段算法 | 第38页 |
| 4.5 分布式环境下的实时数据流聚类分析算法 | 第38-40页 |
| 4.5.1 问题描述 | 第38-39页 |
| 4.5.2 分布式实时数据流聚类分析算法描述 | 第39-40页 |
| 4.6 本章小结 | 第40-41页 |
| 第5章 算法实验分析及其在光纤保护系统中的应用 | 第41-53页 |
| 5.1 算法实验分析 | 第41-45页 |
| 5.1.1 人工数据集实验分析 | 第41-42页 |
| 5.1.2 网络入侵检测数据集下的测试和分析 | 第42-45页 |
| 5.2 算法在光纤保护系统中的应用 | 第45-52页 |
| 5.2.1 光纤保护设备监测系统 | 第46-47页 |
| 5.2.2 系统相关技术 | 第47-48页 |
| 5.2.3 DSG-Stream算法的在系统中的应用 | 第48-50页 |
| 5.2.4 系统运行效果和分析 | 第50-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第6章 总结和展望 | 第53-55页 |
| 6.1 本文总结 | 第53-54页 |
| 6.2 展望和下一步工作 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-60页 |
| 致谢 | 第60页 |