| 内容摘要 | 第1-6页 |
| 英文摘要 | 第6-8页 |
| 1 引言 | 第8-11页 |
| 1．1 研究背景 | 第8页 |
| 1．2 研究的现状 | 第8-9页 |
| 1．3 本文的工作与意义 | 第9页 |
| 1．4 论文的结构安排 | 第9-11页 |
| 2 数据挖掘概述 | 第11-14页 |
| 2．1 数据爆炸但知识贫乏 | 第11页 |
| 2．2 数据挖掘的定义 | 第11页 |
| 2．3 数据挖掘的过程 | 第11-12页 |
| 2．4 数据挖掘的模式 | 第12-14页 |
| 3 时间序列数据挖掘 | 第14-18页 |
| 3．1 时序的定义 | 第14页 |
| 3．2 多流时序的定义 | 第14-15页 |
| 3．3 时间序列中的知识表示 | 第15-18页 |
| 3．3．1 趋势 | 第15-16页 |
| 3．3．2 相似模式搜索 | 第16页 |
| 3．3．3 序列模式的发现 | 第16页 |
| 3．3．4 时间序列中的结构模式 | 第16-18页 |
| 4 主要算法分析 | 第18-27页 |
| 4．1 Agrawal关联规则发现 | 第18-19页 |
| 4．2 Agrawal序列模式挖掘算法 | 第19-21页 |
| 4．3 Agrawal关联规则并行挖掘模型分析 | 第21-22页 |
| 4．3．1 支持度分布计算模型 | 第21页 |
| 4．3．2 数据分布计算模型 | 第21-22页 |
| 4．3．3 支持度分布计算模型与数据分布计算模型的比较 | 第22页 |
| 4．4 yuan chen关联规则并行挖掘算法及模型分析 | 第22-24页 |
| 4．4．1 算法的过程及模型 | 第22-23页 |
| 4．4．2 分析与说明 | 第23-24页 |
| 4．5 MSDD算法分析 | 第24-26页 |
| 4．6 概括总结与问题的提出 | 第26-27页 |
| 5 时间窗口移动筛选算法（TWMA） | 第27-31页 |
| 5．1 产生事件序列 | 第27页 |
| 5．2 结构模式的发现算法 | 第27-28页 |
| 5．2．1 关联模式，依赖模式，突变模式的关系 | 第27-28页 |
| 5．2．2 算法的思想及步骤 | 第28页 |
| 5．3 算法描述 | 第28-30页 |
| 5．4 TWMA与MSDD的比较 | 第30-31页 |
| 6 TWMA的并行思想、模型与算法 | 第31-35页 |
| 6．1 概括总结与问题提出 | 第31页 |
| 6．2 PTWMA（Parallel Time Window Moving and Filtering Algorithm）思想 | 第31-33页 |
| 6．3 PTWMA模型 | 第33页 |
| 6．4 时间窗口移动筛选算并行算法（PTWMA） | 第33-35页 |
| 7 TWMA的实际应用 | 第35-38页 |
| 8 结束语 | 第38-39页 |
| 附录1： 挖掘器界面 | 第39页 |
| 附录2： 部分核心程序 | 第39-46页 |
| 附录3： 参考资料 | 第46-49页 |
| 致谢 | 第49页 |
