| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 引言 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文的主要工作 | 第11-12页 |
| ·本文的结构安排 | 第12-13页 |
| 第二章 聚类分析概述 | 第13-23页 |
| ·聚类分析 | 第13-18页 |
| ·数据预处理 | 第14页 |
| ·数据的相似性度量 | 第14-15页 |
| ·经典聚类算法 | 第15-17页 |
| ·数据流聚类要求及相关技术 | 第17-18页 |
| ·群智能聚类算法 | 第18-20页 |
| ·蚁群聚类算法和粒子群聚类算法 | 第18-19页 |
| ·FClust算法及其变种 | 第19-20页 |
| ·数据流聚类算法 | 第20-22页 |
| ·确定性数据流聚类算法 | 第20-21页 |
| ·不确定性数据流聚类算法 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于多智能体的聚类算法 | 第23-36页 |
| ·FClust算法 | 第23-24页 |
| ·相关定义 | 第23-24页 |
| ·算法流程 | 第24页 |
| ·FClust算法的不足及改进 | 第24-28页 |
| ·邻居影响力的改进(Influence-improved FClust,IFClust) | 第25-27页 |
| ·增加向心力作用(Attraction-added FClust,AFClust) | 第27-28页 |
| ·改进后的AIFC1ust算法 | 第28-30页 |
| ·AIFClust算法流程 | 第28-30页 |
| ·迭代终止条件 | 第30页 |
| ·类标标记算法 | 第30页 |
| ·实验分析与比较 | 第30-35页 |
| ·实验数据 | 第30-31页 |
| ·实验参数设置 | 第31-32页 |
| ·聚类评价标准 | 第32页 |
| ·算法聚类性能的对比分析 | 第32-33页 |
| ·算法收敛速度分析 | 第33-34页 |
| ·与其他算法聚类准确率的比较 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于多智能体的不确定数据流聚类算法 | 第36-47页 |
| ·相关定义 | 第36-37页 |
| ·FClustStream算法 | 第37-41页 |
| ·在线聚类 | 第37-40页 |
| ·离线聚类 | 第40页 |
| ·算法的时间复杂度分析 | 第40-41页 |
| ·实验分析与比较 | 第41-46页 |
| ·聚类质量 | 第42-43页 |
| ·聚类时间 | 第43-44页 |
| ·聚类效果 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 致谢 | 第53-54页 |
| 个人简历 | 第54-55页 |
| 在学期间的研究成果及发表的学术论文 | 第55页 |