多时间序列数据流聚类算法研究
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·论文的主要工作和组织结构 | 第13-15页 |
| 第二章 多时间序列数据流的基本特点 | 第15-36页 |
| ·数据流数据的基本特点 | 第15-21页 |
| ·数据流的定义 | 第15页 |
| ·数据流管理系统 | 第15-17页 |
| ·数据流数据的基本数据模型 | 第17-19页 |
| ·时间序列数据流与时间序列分析的区别 | 第19-21页 |
| ·经典聚类算法 | 第21-28页 |
| ·划分聚类方法:k-means k-modes | 第22-23页 |
| ·层次聚类方法:BIRCH | 第23-24页 |
| ·基于密度的聚类方法:DBSCAN | 第24-25页 |
| ·基于网格的聚类方法:STING | 第25-26页 |
| ·基于模型的聚类方法:EM | 第26-28页 |
| ·数据流挖掘技术 | 第28-32页 |
| ·数据流计算模型 | 第28-29页 |
| ·直方图 | 第29-30页 |
| ·抽样 | 第30页 |
| ·小波 | 第30-31页 |
| ·梗概(sketch) | 第31页 |
| ·概率统计技术 | 第31-32页 |
| ·多数据流聚类的难点和挑战 | 第32-36页 |
| 第三章 多数据流的多层相关度计算 | 第36-53页 |
| ·多层相关度概念及应用 | 第36-37页 |
| ·多数据流的多层次统计摘要 | 第37-43页 |
| ·基本概念 | 第37-38页 |
| ·多层次时间窗口模型 | 第38-39页 |
| ·数据流多粒度聚集树结构 | 第39-40页 |
| ·在线聚集与近似查询 | 第40-43页 |
| ·多数据流多层相关度在线计算 | 第43-51页 |
| ·基本概念 | 第43-44页 |
| ·离散傅立叶变换以及相关度统计 | 第44-47页 |
| ·多粒度聚集树支持相关度查询 | 第47-51页 |
| ·算法分析 | 第51页 |
| ·本章小结 | 第51-53页 |
| 第四章 基于相关度的多数据流动态聚类算法 | 第53-74页 |
| ·相关研究工作 | 第53-54页 |
| ·基于相关度的多数据流动态聚类算法 | 第54-64页 |
| ·存在问题 | 第56-57页 |
| ·相关基本概念 | 第57-59页 |
| ·基于相关度的多数据流动态聚类算法 | 第59-63页 |
| ·算法分析 | 第63-64页 |
| ·基于相对相关度的多数据流动态聚类算法 | 第64-72页 |
| ·存在问题 | 第64-65页 |
| ·相关基本概念 | 第65-66页 |
| ·基于相对相关度的多数据流动态聚类算法 | 第66-68页 |
| ·动态聚类算法描述 | 第68-71页 |
| ·算法分析 | 第71-72页 |
| ·本章小结 | 第72-74页 |
| 第五章 实验验证与结论 | 第74-80页 |
| ·实验验证 | 第74-77页 |
| ·结论 | 第77-78页 |
| ·后续工作 | 第78-80页 |
| 结束语 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-90页 |
| 作者在学期间取得的学术成果 | 第90页 |
| 参加项目 | 第90页 |
