| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外的研究现状 | 第10-13页 |
| 1.3 本文的主要研究工作 | 第13页 |
| 1.4 本文的组织和安排 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 数据挖掘及数据流挖掘综述 | 第15-25页 |
| 2.1 数据挖掘 | 第15-16页 |
| 2.1.1 数据挖掘的概念 | 第15页 |
| 2.1.2 数据挖掘的过程 | 第15-16页 |
| 2.2 数据流 | 第16-20页 |
| 2.2.1 数据流的概念及特点 | 第16-17页 |
| 2.2.2 数据流管理系统 | 第17-18页 |
| 2.2.3 数据流窗口分类 | 第18-19页 |
| 2.2.4 数据流频繁项集挖掘 | 第19-20页 |
| 2.3 MAPREDUCE并行编程模型 | 第20-22页 |
| 2.3.1 MapReduce模型 | 第20-21页 |
| 2.3.2 MapReduce的工作原理 | 第21-22页 |
| 2.4 数据流频繁项集挖掘算法 | 第22-24页 |
| 2.4.1 传统的频繁项集算法 | 第22-23页 |
| 2.4.2 并行的频繁项集算法 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于滑动窗口模型的多数据流协同频繁项集挖掘算法 | 第25-34页 |
| 3.1 引言 | 第25页 |
| 3.2 问题定义 | 第25-26页 |
| 3.3 数据结构CP-TREE | 第26-27页 |
| 3.4 MCMD-STREAM算法 | 第27-30页 |
| 3.4.1 字节序列表示法 | 第27-28页 |
| 3.4.2 TISW-MFI算法描述 | 第28页 |
| 3.4.3 MCMD-Stream算法描述 | 第28-30页 |
| 3.4.4 MCMD-Stream算法性能分析 | 第30页 |
| 3.5 MCMD-STREAM算法实验结果与分析 | 第30-32页 |
| 3.5.1 实验环境与实验数据集 | 第30-31页 |
| 3.5.2 实验及结果分析 | 第31-32页 |
| 3.6 本章小结 | 第32-34页 |
| 第四章 多数据流协同频繁项集的并行化挖掘算法 | 第34-40页 |
| 4.1 引言 | 第34页 |
| 4.2 PMCMD-STREAM算法描述 | 第34-36页 |
| 4.3 PMCMD-STREAM算法实验结果与分析 | 第36-39页 |
| 4.3.1 实验环境与实验数据集 | 第36-37页 |
| 4.3.2 实验及结果分析 | 第37-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 总结与展望 | 第40-42页 |
| 5.1 总结 | 第40页 |
| 5.2 下一步研究工作 | 第40-42页 |
| 参考文献 | 第42-45页 |
| 攻硕期间发表论文及科研成果 | 第45-46页 |
| 致谢 | 第46页 |