| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 引言 | 第9-10页 |
| 1 绪论 | 第10-16页 |
| 1.1 数据挖掘研究背景 | 第10-11页 |
| 1.2 数据挖掘基础与应用 | 第11-13页 |
| 1.3 问题的提出 | 第13-14页 |
| 1.4 大数据流挖掘现存问题解决思路 | 第14页 |
| 1.5 论文体系架构 | 第14-16页 |
| 2 大数据流挖掘相关理论与研究现状 | 第16-21页 |
| 2.1 大数据流的特点及相关应用 | 第16-18页 |
| 2.1.1 大数据流的特点 | 第16-17页 |
| 2.1.2 大数据流的相关应用 | 第17-18页 |
| 2.2 大数据流挖掘技术介绍 | 第18页 |
| 2.3 时间序列模型 | 第18-19页 |
| 2.4 时间序列分析 | 第19-21页 |
| 2.4.1 滞后相关性查询技术 | 第19-20页 |
| 2.4.2 数据约减技术 | 第20-21页 |
| 3 基于级数分层滑动窗口的大数据流滞后相关性挖掘方法 | 第21-34页 |
| 3.1 问题描述 | 第21页 |
| 3.2 模型建立 | 第21-24页 |
| 3.2.1 预备知识 | 第21-23页 |
| 3.2.2 相关系数的介绍 | 第23-24页 |
| 3.3 几何探测的引入 | 第24-25页 |
| 3.4 引入分层滑动窗口 | 第25页 |
| 3.5 算法过程图解 | 第25-29页 |
| 3.6 算法关键代码实现 | 第29-31页 |
| 3.6.1 算法实现过程 | 第29-30页 |
| 3.6.2 算法 1：层级参数求和的计算 | 第30页 |
| 3.6.3 算法 2：层级参数求内积的计算 | 第30页 |
| 3.6.4 算法 3：层级相关系数的计算 | 第30-31页 |
| 3.7 实验与分析 | 第31-33页 |
| 3.8 结束语 | 第33-34页 |
| 4 基于布尔约减级数分层的大数据流滞后相关性挖掘方法 | 第34-48页 |
| 4.1 预备知识 | 第34-35页 |
| 4.2 模型建立 | 第35-37页 |
| 4.2.1 布尔约减算法的引入 | 第35页 |
| 4.2.2 布尔约减具体过程 | 第35-37页 |
| 4.3 级数分层算法的引入 | 第37-40页 |
| 4.3.1 级数分层相关理论 | 第37-38页 |
| 4.3.2 级数分层滑动窗口 | 第38-39页 |
| 4.3.3 级数分层计算过程 | 第39-40页 |
| 4.4 算法核心程序代码实现 | 第40-42页 |
| 4.4.1 布尔约减算法实现 | 第40-41页 |
| 4.4.2 级数分层算法实现 | 第41-42页 |
| 4.5 实验与分析 | 第42-46页 |
| 4.5.1 布尔约减后滞后相关性测试 | 第42-44页 |
| 4.5.2 滞后相关性计算精度测试 | 第44页 |
| 4.5.3 算法计算时间分析 | 第44-46页 |
| 4.6 结束语 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士学位期间发表学术论文情况 | 第51-52页 |
| 致谢 | 第52页 |