时间序列流的层次聚类和频繁模式的挖掘算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 主要工作与创新之处 | 第11-12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 2 时间序列流层次聚类算法的分析 | 第14-27页 |
| 2.1 传统层次流聚类算法 | 第14-16页 |
| 2.1.1 分解型层次聚类法-BIRCH算法 | 第14-16页 |
| 2.1.2 凝聚型层次聚类法-CURE算法 | 第16页 |
| 2.2 时间序列相似性度量的主要方法 | 第16-19页 |
| 2.2.1 基于形状的相似度 | 第16-17页 |
| 2.2.2 基于特征的相似度 | 第17-18页 |
| 2.2.3 基于模型的相似度 | 第18页 |
| 2.2.4 符号时序数据的相似度 | 第18-19页 |
| 2.3 时间序列流聚类 | 第19-20页 |
| 2.4 在线分裂合并聚类算法ODAC | 第20-24页 |
| 2.4.1 ODAC的算法框架 | 第20-22页 |
| 2.4.2 增量式相似性度量 | 第22页 |
| 2.4.3 算法步骤 | 第22-24页 |
| 2.5 ODAC算法的评估 | 第24-26页 |
| 2.5.1 控制层次结构增长的标准 | 第24-25页 |
| 2.5.2 概念漂移的处理 | 第25-26页 |
| 2.5.3 算法复杂度分析 | 第26页 |
| 2.6 本章小结 | 第26-27页 |
| 3 基于粗糙集理论的ODAC改进算法 | 第27-38页 |
| 3.1 ODAC算法的缺陷 | 第27页 |
| 3.2 基于粗糙集理论的聚类研究 | 第27-29页 |
| 3.2.1 粗糙集理论 | 第28页 |
| 3.2.2 利用粗糙集的概念进行聚类 | 第28-29页 |
| 3.3 在线分裂粗糙聚类算法ODRC | 第29-36页 |
| 3.3.1 限制容差关系模型 | 第29-30页 |
| 3.3.2 一个实例 | 第30-32页 |
| 3.3.3 ODRC的算法框架 | 第32-34页 |
| 3.3.4 算法步骤 | 第34-36页 |
| 3.4 ODRC算法的评估 | 第36页 |
| 3.4.1 概念漂移的处理 | 第36页 |
| 3.4.2 算法复杂度分析 | 第36页 |
| 3.5 本章小结 | 第36-38页 |
| 4 时间序列流聚类实验 | 第38-45页 |
| 4.1 实验数据介绍 | 第38-39页 |
| 4.2 聚类质量分析 | 第39-40页 |
| 4.3 时间效率分析 | 第40-42页 |
| 4.4 算法参数评估 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 5 时间序列流频繁模式挖掘算法的研究 | 第45-60页 |
| 5.1 频繁模式挖掘算法的数据流处理模型 | 第45-46页 |
| 5.2 滑动窗口模型的频繁模式挖掘算法 | 第46-47页 |
| 5.3 MFI-TransSW算法 | 第47-49页 |
| 5.3.1 算法主体思想 | 第47-48页 |
| 5.3.2 MFI-TransSW算法缺陷 | 第48-49页 |
| 5.4 改进算法MFI-MultiSW | 第49-55页 |
| 5.4.1 算法改进技术 | 第49-53页 |
| 5.4.2 频繁模式挖掘过程 | 第53-55页 |
| 5.4.3 频繁模式中的时序限制 | 第55页 |
| 5.5 实验结果 | 第55-59页 |
| 5.6 本章小结 | 第59-60页 |
| 6 总结和展望 | 第60-61页 |
| 6.1 研究工作总结 | 第60页 |
| 6.2 工作展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录 | 第67页 |
