数据流聚类算法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-17页 |
| ·数据挖掘 | 第12-14页 |
| ·KDD的定义 | 第12页 |
| ·数据挖掘的定义 | 第12页 |
| ·数据挖掘面临的挑战 | 第12-14页 |
| ·数据挖掘任务 | 第14页 |
| ·数据挖掘中的聚类问题 | 第14-16页 |
| ·聚类分析简介 | 第15页 |
| ·聚类的实际应用 | 第15-16页 |
| ·本文的研究内容与组织 | 第16-17页 |
| 第二章 数据流挖掘概述 | 第17-24页 |
| ·数据流的研究背景及基本概念 | 第17-18页 |
| ·研究背景 | 第17-18页 |
| ·数据流的定义及特点 | 第18页 |
| ·理论基础 | 第18页 |
| ·数据流处理方法和流数据系统 | 第18-23页 |
| ·数据流处理方法 | 第18-21页 |
| ·流数据系统 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 传统聚类算法和数据流聚类算法概述 | 第24-33页 |
| ·传统聚类算法 | 第24-28页 |
| ·聚类分析的含义 | 第24页 |
| ·聚类分析的要求 | 第24-25页 |
| ·聚类算法 | 第25-28页 |
| ·数据流聚类算法 | 第28-32页 |
| ·数据流聚类的含义 | 第28页 |
| ·对数据流聚类算法的要求 | 第28-29页 |
| ·数据流聚类算法的介绍 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 数据流二次聚类算法 | 第33-37页 |
| ·TCLUSA算法描述 | 第33-35页 |
| ·算法分析 | 第35页 |
| ·实验 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 基于网格的混合属性数据流聚类算法 | 第37-47页 |
| ·相似性度量方法和相关概念 | 第37-40页 |
| ·两个对象间的相似性 | 第37-38页 |
| ·一组对象间的相似性 | 第38页 |
| ·相关概念 | 第38-40页 |
| ·算法描述 | 第40-43页 |
| ·算法过程描述 | 第40-41页 |
| ·算法实现 | 第41-43页 |
| ·实验 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 结束语 | 第47-48页 |
| ·本文总结 | 第47页 |
| ·工作展望 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 附录一 研究生期间参与科研项目及论文发表情况 | 第53页 |
