数据流混合属性聚类算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·数据流挖掘的概念和意义 | 第10-11页 |
| ·数据流挖掘的发展 | 第11-12页 |
| ·数据流挖掘的研究现状 | 第12-13页 |
| ·数据流相似性度量 | 第13-15页 |
| ·数据的类型 | 第13-14页 |
| ·距离的定义 | 第14页 |
| ·非距离度量法 | 第14-15页 |
| ·论文内容的组织结构 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 数据流挖掘聚类算法 | 第17-28页 |
| ·聚类 | 第17页 |
| ·数据流处理技术 | 第17-20页 |
| ·概要数据结构 | 第17-18页 |
| ·数据倾斜技术 | 第18-20页 |
| ·数据流基础聚类算法 | 第20-25页 |
| ·基于层次的聚类算法 | 第21-22页 |
| ·基于划分的聚类算法 | 第22-23页 |
| ·基于密度的聚类算法 | 第23-24页 |
| ·基于网格的聚类算法 | 第24-25页 |
| ·基于模型的聚类算法 | 第25页 |
| ·数据流聚类算法的要求 | 第25-27页 |
| ·数据流聚类的一般步骤 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 三层数据流聚类框架与最优2K近邻聚类算法 | 第28-47页 |
| ·数据流聚类相关研究 | 第28-29页 |
| ·三层数据流聚类框架 | 第29-30页 |
| ·传统k近邻和2k近邻 | 第30-32页 |
| ·传统k近邻集合的概念与聚类思想 | 第30-32页 |
| ·2k近邻集合的概念 | 第32页 |
| ·在线生成微簇 | 第32-38页 |
| ·基于最优2k近邻的数据流聚类算法 | 第38-45页 |
| ·2k近邻集合的生成算法 | 第38页 |
| ·最优2k近邻集合的生成算法 | 第38-40页 |
| ·数据点p的标准差属性及相对聚合度 | 第40-41页 |
| ·最优2k近邻聚类算法 | 第41-43页 |
| ·簇核心点及簇 | 第43页 |
| ·聚类过程 | 第43-45页 |
| ·算法性能分析和实验 | 第45-46页 |
| ·算法性能分析 | 第45页 |
| ·实验结果 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 二重K近邻混合属性数据流聚类算法 | 第47-69页 |
| ·研究背景简介 | 第47页 |
| ·混合属性数据流聚类相关研究 | 第47-48页 |
| ·混合属性数据流三步聚类 | 第48-49页 |
| ·改进的维度距离 | 第49-51页 |
| ·混合属性数据流的二重k近邻 | 第51-53页 |
| ·k近邻 | 第51页 |
| ·混合属性数据流的二重k近邻 | 第51-52页 |
| ·二重k近邻与最终微簇生成算法 | 第52-53页 |
| ·在线生成二重k近邻微簇 | 第53-59页 |
| ·分类属性量化与动态标准化 | 第59-66页 |
| ·分类属性量化 | 第59页 |
| ·动态标准化 | 第59-60页 |
| ·余弦模型 | 第60-61页 |
| ·聚类过程 | 第61-63页 |
| ·实例：初始宏聚类 | 第63-65页 |
| ·最终聚类 | 第65-66页 |
| ·算法性能和实验 | 第66-68页 |
| ·算法性能分析 | 第66-67页 |
| ·实验结果 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第5章 总结与展望 | 第69-71页 |
| ·本文总结 | 第69页 |
| ·进一步的工作 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间参加的科研项目和成果 | 第77页 |
