基于数据流的聚类分析算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·数据挖掘 | 第9-11页 |
| ·数据挖掘的定义 | 第9页 |
| ·数据挖掘的任务 | 第9-10页 |
| ·数据挖掘的基本流程 | 第10-11页 |
| ·数据流 | 第11-12页 |
| ·数据流的定义和特点 | 第11-12页 |
| ·数据流算法的要求 | 第12页 |
| ·数据流的研究现状 | 第12页 |
| ·数据流挖掘 | 第12-14页 |
| ·数据流挖掘结构 | 第13-14页 |
| ·数据流挖掘的研究现状 | 第14页 |
| ·本文的组织内容 | 第14-16页 |
| 2 数据流聚类算法概述 | 第16-26页 |
| ·传统聚类算法 | 第16-20页 |
| ·聚类分析 | 第16页 |
| ·数据挖掘对聚类分析算法的要求 | 第16-18页 |
| ·聚类算法的分类 | 第18-20页 |
| ·聚类算法的比较 | 第20页 |
| ·经典数据流聚类算法 | 第20-24页 |
| ·数据流聚类 | 第22页 |
| ·数据流聚类的特点 | 第22页 |
| ·经典数据流聚类算法 | 第22-24页 |
| ·数据流聚类算法分析 | 第24-25页 |
| ·小结 | 第25-26页 |
| 3 双层数据流聚类框架 | 第26-31页 |
| ·层数据流聚类框架的表述 | 第26-28页 |
| ·在线数据表达模型 | 第28-29页 |
| ·概要数据信息的存储 | 第29-30页 |
| ·小结 | 第30-31页 |
| 4 基于网格和密度的数据流聚类算法 | 第31-40页 |
| ·基于网格和密度聚类算法的相关概念 | 第31-33页 |
| ·GDDStream算法描述 | 第33-39页 |
| ·GDDStream算法过程描述 | 第33页 |
| ·检查时间interval | 第33-34页 |
| ·噪声点的处理 | 第34-35页 |
| ·GDDStream算法基本流程图 | 第35页 |
| ·GDDStream算法基本框架 | 第35-39页 |
| ·小结 | 第39-40页 |
| 5 实验分析 | 第40-46页 |
| ·实验环境与数据集 | 第40页 |
| ·GDDStream算法的性能分析 | 第40-45页 |
| ·任意形状的聚类 | 第40-43页 |
| ·聚类质量的比较 | 第43-44页 |
| ·聚类效率的比较 | 第44-45页 |
| ·小结 | 第45-46页 |
| 6 聚类分析算法在数据流中的应用 | 第46-53页 |
| ·研究背景 | 第46-47页 |
| ·相关概念 | 第47-48页 |
| ·用聚类算法检测入侵 | 第48-52页 |
| ·用k-means算法检测入侵 | 第48-49页 |
| ·基于数据流聚类分析的入侵检测模型 | 第49页 |
| ·基于数据流聚类分析的入侵检测算法 | 第49-52页 |
| ·小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间的研究成果 | 第59页 |
