| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-15页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文的研究内容 | 第13-14页 |
| ·论文组织结构 | 第14-15页 |
| 2 数据流挖掘 | 第15-26页 |
| ·数据流挖掘概述 | 第15-17页 |
| ·数据流挖掘的基本概念 | 第15-16页 |
| ·数据流挖掘的特点 | 第16-17页 |
| ·数据流挖掘的支撑技术 | 第17-21页 |
| ·基于数据的技术(Data-based Techniques) | 第17-19页 |
| ·基于任务的技术(Task-based Techniques) | 第19-21页 |
| ·数据流挖掘算法 | 第21-24页 |
| ·数据流的聚类分析 | 第21页 |
| ·数据流的分类分析 | 第21-22页 |
| ·数据流频繁项挖掘 | 第22-23页 |
| ·数据流关联规则挖掘 | 第23-24页 |
| ·传统数据挖掘和数据流挖掘的区别 | 第24页 |
| ·本章小结 | 第24-26页 |
| 3 数据流聚类 | 第26-37页 |
| ·传统的聚类方法 | 第26-28页 |
| ·基于划分的方法(Partitioning-Based Methods) | 第26页 |
| ·基于层次的方法(Hierarchical-Based Methods) | 第26-27页 |
| ·基于密度的方法(Density-Based Methods) | 第27页 |
| ·基于网格的方法(Grid-Based Methods) | 第27-28页 |
| ·基于模型的方法(Model-Based Methods) | 第28页 |
| ·数据流聚类的发展 | 第28-30页 |
| ·数据流聚类算法 | 第30-34页 |
| ·STREAM 算法 | 第30-31页 |
| ·CluStream 算法 | 第31-32页 |
| ·HPStream 算法 | 第32-33页 |
| ·DenStream 算法 | 第33页 |
| ·D-Stream 算法 | 第33-34页 |
| ·数据流聚类的标准 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 4 滑动窗口内基于密度和网格的数据流聚类算法 | 第37-49页 |
| ·问题的分析与提出 | 第37-38页 |
| ·SD-Stream 相关概念 | 第38-43页 |
| ·隶度(scribe degree) | 第38-39页 |
| ·滑动窗口 | 第39-40页 |
| ·系统模型设计 | 第40页 |
| ·相关定义与数据结构 | 第40-43页 |
| ·在线层设计 | 第43-46页 |
| ·在线层算法 | 第43-45页 |
| ·新数据元处理算法 | 第45-46页 |
| ·离线层设计 | 第46-48页 |
| ·演化分析 | 第46-48页 |
| ·离线层算法 | 第48页 |
| ·本章小结 | 第48-49页 |
| 5 实验分析 | 第49-56页 |
| ·实验环境及数据集 | 第49-51页 |
| ·聚类精度分析 | 第51-52页 |
| ·聚类效率分析 | 第52-54页 |
| ·聚类演化分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 作者简历 | 第60-61页 |
| 学位论文数据集 | 第61-62页 |
