| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 传统聚类算法 | 第12-13页 |
| 1.2.2 数据流聚类算法 | 第13-15页 |
| 1.2.3 基于高维的数据流子空间聚类算法 | 第15-16页 |
| 1.3 本文的主要工作 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 第二章 数据流聚类知识概述 | 第18-26页 |
| 2.1 聚类分析 | 第18-19页 |
| 2.1.1 聚类分析的定义 | 第18页 |
| 2.1.2 聚类的典型要求 | 第18-19页 |
| 2.2 数据流聚类 | 第19-22页 |
| 2.2.1 数据流的定义 | 第19页 |
| 2.2.2 数据流的聚类要求 | 第19-20页 |
| 2.2.3 数据流聚类的相关技术 | 第20-22页 |
| 2.3 基于子空间的数据流聚类算法分析 | 第22-24页 |
| 2.4 基于网格的数据流聚类算法分析 | 第24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 基于结构树的高维数据流子空间自适应降维算法 | 第26-38页 |
| 3.1 数据流的标准化处理 | 第27页 |
| 3.2 子空间识别算法 | 第27-30页 |
| 3.3 子空间调整算法 | 第30-32页 |
| 3.4 基于结构树的高维数据流子空间自适应降维算法 | 第32-33页 |
| 3.5 算法实验分析 | 第33-36页 |
| 3.5.1 算法复杂度 | 第33页 |
| 3.5.2 实验结果及分析 | 第33-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第四章 基于网格的数据流聚类算法 | 第38-49页 |
| 4.1 问题的分析与提出 | 第38-39页 |
| 4.2 相关概念 | 第39-41页 |
| 4.3 基于网格的数据流聚类算法 | 第41-45页 |
| 4.3.1 初始聚类算法 | 第42-44页 |
| 4.3.2 调整聚类算法 | 第44-45页 |
| 4.4 算法仿真及结果分析 | 第45-48页 |
| 4.4.1 算法仿真 | 第45-47页 |
| 4.4.2 结果分析 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 结论与展望 | 第49-51页 |
| 5.1 结论 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-57页 |
| 附录（攻读硕士学位期间发表录用论文） | 第57-58页 |
| 详细摘要 | 第58-63页 |