| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·数据流挖掘的产生和发展 | 第10-11页 |
| ·数据流挖掘的研究现状 | 第11-15页 |
| ·数据流聚类 | 第12-13页 |
| ·数据流分类 | 第13-14页 |
| ·数据流频繁项集挖掘 | 第14-15页 |
| ·数据流挖掘的应用 | 第15-16页 |
| ·论文内容和组织结构 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 数据流聚类算法 | 第18-29页 |
| ·数据流的基本定义和概述 | 第18-20页 |
| ·数据流的定义 | 第18页 |
| ·数据流的特点 | 第18-19页 |
| ·数据流挖掘的算法的特点 | 第19-20页 |
| ·数据流挖掘技术 | 第20-24页 |
| ·窗口技术 | 第20-21页 |
| ·动态抽样技术 | 第21-22页 |
| ·概要数据结构 | 第22-24页 |
| ·数据流聚类算法 | 第24-28页 |
| ·数据流聚类算法的要求 | 第24-25页 |
| ·数据流聚类算法简介 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 高维数据相似性度量研究 | 第29-38页 |
| ·高维数据的概念 | 第29页 |
| ·高维数据的特点 | 第29-30页 |
| ·稀疏性 | 第29页 |
| ·空空间现象 | 第29-30页 |
| ·高维对数据聚类的影响 | 第30-31页 |
| ·数据对象间相似性度量 | 第31-34页 |
| ·距离函数 | 第31-33页 |
| ·相似系数 | 第33-34页 |
| ·基于特征选择的相似性度量 | 第34-36页 |
| ·特征选择 | 第34-35页 |
| ·基于特征选择的高维相似性度量函数 | 第35-36页 |
| ·实验结果与分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 高维混合属性数据流聚类算法 | 第38-49页 |
| ·高维数据流聚类算法 | 第38-39页 |
| ·HPStream 算法流程 | 第39-40页 |
| ·高维混合属性数据的相似性度量 | 第40-43页 |
| ·数据类型 | 第40-41页 |
| ·高维混合属性数据的相似性度量 | 第41-43页 |
| ·高维混合型属性数据流聚类算法M-HPStream | 第43-45页 |
| ·仿真结果和分析 | 第45-48页 |
| ·实验环境与测试数据 | 第45-46页 |
| ·聚类纯度 | 第46-47页 |
| ·算法效率 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 结论和展望 | 第49-51页 |
| ·本文主要研究成果 | 第49-50页 |
| ·论文展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间发表的学术论文目录 | 第56页 |