| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 背景和意义 | 第9-10页 |
| 1.1.1 背景 | 第9页 |
| 1.1.2 意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 数据流挖掘的特点和难点分析 | 第12-13页 |
| 1.4 论文所作的工作和章节安排 | 第13-15页 |
| 第2章 数据流挖掘相关技术介绍 | 第15-27页 |
| 2.1 数据流的模型、挖掘功能和基本技术 | 第15-18页 |
| 2.1.1 数据流模型 | 第15-16页 |
| 2.1.2 数据流挖掘的功能 | 第16-17页 |
| 2.1.3 数据流挖掘的基本技术 | 第17-18页 |
| 2.2 数据流挖掘算法 | 第18-24页 |
| 2.2.1 数据流的聚类算法 | 第18-21页 |
| 2.2.2 数据流聚类算法比较 | 第21-22页 |
| 2.2.3 数据流的其他挖掘算法 | 第22-24页 |
| 2.3 数据流挖掘的一般过程 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 滑动窗口内面向主题的数据流聚类算法 | 第27-37页 |
| 3.1 问题的分析和提出 | 第27-28页 |
| 3.2 TMD-STREAM的相关概念 | 第28-33页 |
| 3.2.1 匹配度（Matched Degree） | 第28-30页 |
| 3.2.2 主题区域 | 第30页 |
| 3.2.3 滑动窗口 | 第30页 |
| 3.2.4 算法模型设计 | 第30-31页 |
| 3.2.5 TMD(Topic Matched degree)-Stream算法基础定义 | 第31-33页 |
| 3.3 在线层算法设计 | 第33-35页 |
| 3.3.1 在线层算法 | 第33-34页 |
| 3.3.2 改进的数据处理算法MData | 第34-35页 |
| 3.4 离线层设计 | 第35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 实验结果与分析 | 第37-41页 |
| 4.1 实验数据与评价方法 | 第37-38页 |
| 4.1.1 实验数据集 | 第37页 |
| 4.1.2 评估方法 | 第37-38页 |
| 4.2 数据流的测试情况 | 第38-40页 |
| 4.2.1 聚类质量测试 | 第38-39页 |
| 4.2.2 聚类SSQ测试 | 第39页 |
| 4.2.3 聚类效率测试 | 第39-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第5章 可视化数据流挖掘系统的设计和实现 | 第41-57页 |
| 5.1 系统架构 | 第41-42页 |
| 5.2 系统流程描述和系统组成 | 第42-43页 |
| 5.3 系统的各个模块 | 第43-49页 |
| 5.3.1 数据源部分 | 第43-44页 |
| 5.3.2 数据流挖掘算法部分 | 第44-46页 |
| 5.3.3 评估措施部分 | 第46-48页 |
| 5.3.4 模式表达部分 | 第48-49页 |
| 5.4 系统中的各包及其功能 | 第49-51页 |
| 5.5 系统的主要任务 | 第51-52页 |
| 5.6 系统所采用的部分数据流生成器、挖掘算法和评估措施 | 第52-56页 |
| 5.7 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |
