数据流挖掘算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 引言 | 第10-13页 |
| ·数据流挖掘背景 | 第10-11页 |
| ·数据流挖掘研究现状 | 第11页 |
| ·课题的研究意义 | 第11页 |
| ·论文结构及内容介绍 | 第11-13页 |
| 第二章 数据流挖掘理论基础 | 第13-23页 |
| ·数据分析相关理论 | 第13-17页 |
| ·数据集类型 | 第13-14页 |
| ·数据的邻近度 | 第14-15页 |
| ·概率统计 | 第15-16页 |
| ·数据可视化 | 第16-17页 |
| ·基于数据的技术 | 第17-20页 |
| ·抽样 | 第17页 |
| ·减载 | 第17-18页 |
| ·梗概 | 第18-19页 |
| ·概要数据结构 | 第19页 |
| ·聚合 | 第19页 |
| ·多分辨率方法 | 第19-20页 |
| ·基于任务的技术 | 第20-22页 |
| ·近似算法 | 第20页 |
| ·窗口模型 | 第20-22页 |
| ·算法输出粒度 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第三章 数据流挖掘技术 | 第23-31页 |
| ·数据流分类 | 第23-25页 |
| ·数据流聚类 | 第25-28页 |
| ·数据流频繁模式挖掘 | 第28-29页 |
| ·数据流挖掘的应用 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 数据流的可视化 | 第31-38页 |
| ·静态数据的可视化 | 第31-32页 |
| ·数据流的可视化 | 第32-35页 |
| ·实验及性能分析 | 第35-36页 |
| ·算法实现 | 第35-36页 |
| ·性能分析 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第五章 基于衰减聚类核心的高维数据流聚类 | 第38-55页 |
| ·基本概念 | 第38-40页 |
| ·聚类核心 | 第38-39页 |
| ·时间衰减因子 | 第39-40页 |
| ·时变数据边界 | 第40页 |
| ·高维数据流衰减核心聚类算法 | 第40-49页 |
| ·基本算法 | 第41-49页 |
| ·实验及性能分析 | 第49-53页 |
| ·算法运行效率 | 第49-50页 |
| ·聚类质量及敏感度分析 | 第50-53页 |
| ·算法分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-56页 |
| ·本文工作的总结 | 第55页 |
| ·未来工作的展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 作者攻硕期间取得的研究成果 | 第61-62页 |
