| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的主要工作 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-13页 |
| 2 数据流与数据流挖掘 | 第13-20页 |
| 2.1 数据流概念 | 第13页 |
| 2.2 数据流模型描述 | 第13-15页 |
| 2.2.1 数据属性 | 第13-14页 |
| 2.2.2 数据集合模型 | 第14-15页 |
| 2.2.3 运算类型 | 第15页 |
| 2.3 数据流数据的处理技术 | 第15-17页 |
| 2.4 数据流挖掘过程 | 第17-18页 |
| 2.5 数据流挖掘的挑战 | 第18-20页 |
| 3 数据流频繁项集挖掘与效用挖掘技术 | 第20-35页 |
| 3.1 相关概念 | 第20-21页 |
| 3.1.1 频繁项集概念 | 第20页 |
| 3.1.2 高效用项集概念 | 第20-21页 |
| 3.2 数据流频繁项集挖掘算法 | 第21-24页 |
| 3.2.1 粘采样算法 | 第21页 |
| 3.2.2 有损计数算法 | 第21-22页 |
| 3.2.3 FP-stream 算法 | 第22-24页 |
| 3.3 高效用项集挖掘算法 | 第24-30页 |
| 3.3.1 UMining 算法 | 第24-27页 |
| 3.3.2 Two-Phase 算法 | 第27-29页 |
| 3.3.3 CTU-Mine 算法 | 第29-30页 |
| 3.4 数据流中高效用项集挖掘算法 | 第30-35页 |
| 3.4.1 THUI-Mine 算法 | 第30-35页 |
| 4 基于时间滑动窗口的数据流高效用项集挖掘算法 HUIDE | 第35-44页 |
| 4.1 相关概念 | 第35-38页 |
| 4.1.1 问题描述 | 第35页 |
| 4.1.2 检测窗口 | 第35-36页 |
| 4.1.3 效用原理 | 第36-37页 |
| 4.1.4 向下闭包特性 | 第37-38页 |
| 4.2 高效用项集挖掘算法 HUIDE | 第38-43页 |
| 4.2.1 HUI_tree 的构建 | 第38-40页 |
| 4.2.2 HUI_tree 的更新 | 第40-41页 |
| 4.2.3 高效用项集的生成 | 第41-43页 |
| 4.3 HUIDE 算法分析 | 第43-44页 |
| 5 实验结果与分析 | 第44-52页 |
| 5.1 数据集描述 | 第44-45页 |
| 5.2 效用性验证 | 第45-46页 |
| 5.3 算法有效性验证 | 第46-52页 |
| 6 总结 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 个人简历 | 第56-57页 |
| 致谢 | 第57页 |