动态数据中的数据挖掘研究
| 中文摘要 | 第8-9页 |
| 英文摘要 | 第9页 |
| 第一章 绪论 | 第10-34页 |
| 1．1 数据挖掘的起因 | 第10-11页 |
| 1．2 数据挖掘的定义 | 第11-12页 |
| 1．3 数据挖掘的功能及主要方法 | 第12-22页 |
| 1．3．1 概念／类描述：特征化和区分 | 第13-15页 |
| 1．3．2 大型数据库中关联规则的挖掘 | 第15-17页 |
| 1．3．3 分类和预测 | 第17-19页 |
| 1．3．4 聚类分析 | 第19-21页 |
| 1．3．5 复杂类型数据的挖掘 | 第21-22页 |
| 1．4 时间序列中的数据挖掘 | 第22-28页 |
| 1．4．1 相似序列的查询问题 | 第22-27页 |
| 1．4．2 时间序列中的知识发现 | 第27-28页 |
| 1．4．3 时间序列的符号化 | 第28页 |
| 1．5 近似字符串匹配 | 第28-29页 |
| 1．6 数据挖掘的应用与发展趋势 | 第29-30页 |
| 1．7 论文的研究目的与结构 | 第30-32页 |
| 1．8 小结 | 第32-34页 |
| 第二章 趋势序列的获取 | 第34-46页 |
| 2．1 趋势及趋势序列的定义 | 第34-36页 |
| 2．2 趋势序列的压缩 | 第36-37页 |
| 2．3 趋势变换的选取 | 第37-38页 |
| 2．4 本文中使用的获取趋势序列的方法 | 第38-45页 |
| 2．4．1 RAWK数据库 | 第39-41页 |
| 2．4．2 SINT数据库 | 第41-45页 |
| 2．5 小结 | 第45-46页 |
| 第三章 趋势序列的全匹配问题 | 第46-60页 |
| 3．1 等长趋势序列的全匹配问题的提出 | 第46-47页 |
| 3．2 简单的顺序搜索方法 | 第47-49页 |
| 3．3 利用前缀树来搜索相似序列 | 第49-52页 |
| 3．4 利用趋势分布来搜索相似序列 | 第52-55页 |
| 3．5 仿真实验及讨论 | 第55-59页 |
| 3．6 小结 | 第59-60页 |
| 第四章 趋势序列中相似子序列的搜索 | 第60-70页 |
| 4．1 搜索相似子序列问题的提出 | 第60-61页 |
| 4．2 利用逆向链表搜索相似子序列 | 第61页 |
| 4．3 利用前缀树搜索相似子序列 | 第61-62页 |
| 4．4 利用趋势分布搜索相似子序列 | 第62-66页 |
| 4．5 仿真实验及讨论 | 第66-69页 |
| 4．6 小结 | 第69-70页 |
| 第五章 频繁子序列的挖掘 | 第70-80页 |
| 5．1 挖掘频繁子序列问题的提出 | 第70-71页 |
| 5．2 利用逆向链表来挖掘频繁子序列 | 第71-72页 |
| 5．3 一种递增式频繁子序列挖掘算法 | 第72-76页 |
| 5．4 仿真实验及讨论 | 第76-78页 |
| 5．5 小结 | 第78-80页 |
| 第六章 利用趋势序列进行时间序列的分类 | 第80-92页 |
| 6．1 时间序列分类问题的提出 | 第80页 |
| 6．2 通过分段聚类进行时间序列符号化并分类 | 第80-83页 |
| 6．3 通过趋势序列进行分类 | 第83-88页 |
| 6．4 仿真实验与讨论 | 第88-89页 |
| 6．5 小结 | 第89-92页 |
| 第七章 数据挖掘在实际数据库上的应用示例 | 第92-104页 |
| 7．1 实验数据库介绍 | 第92-95页 |
| 7．2 利用趋势相似寻找变量间的简单关系 | 第95-96页 |
| 7．3 关联规则的挖掘 | 第96-99页 |
| 7．4 对于例外情况的关联规则挖掘 | 第99-101页 |
| 7．5 频繁子趋势的挖掘 | 第101-103页 |
| 7．6 小结 | 第103-104页 |
| 第八章 总结与展望 | 第104-106页 |
| 8．1 工作总结 | 第104-105页 |
| 8．2 未来工作展望 | 第105-106页 |
| 参考文献 | 第106-119页 |
