面向数据流模糊聚类算法的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 课题来源及本文工作 | 第10页 |
| 1.3 本文组织 | 第10-12页 |
| 第二章 数据流挖掘概述 | 第12-20页 |
| 2.1 数据流的特点 | 第12-13页 |
| 2.2 数据挖掘的组成部分 | 第13-15页 |
| 2.3 数据流挖掘的应用 | 第15-17页 |
| 2.4 数据流挖掘的关键技术 | 第17-18页 |
| 2.5 本章小结 | 第18-20页 |
| 第三章 数据聚类与概念漂移研究 | 第20-31页 |
| 3.1 数据聚类描述 | 第20-21页 |
| 3.2 数据聚类的分类 | 第21-27页 |
| 3.2.1 按聚类方式划分 | 第21-26页 |
| 3.2.2 按概率模型划分 | 第26-27页 |
| 3.3 概念漂移简介 | 第27-28页 |
| 3.4 数据流聚类描述 | 第28-30页 |
| 3.4.1 研究现状 | 第28-30页 |
| 3.4.2 数据流聚类方法中存在的问题 | 第30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于数据流的模糊聚类算法 | 第31-43页 |
| 4.1 引言 | 第31-32页 |
| 4.2 模型和相关定义 | 第32-34页 |
| 4.2.1 数据流模型 | 第32页 |
| 4.2.2 相关定义 | 第32-33页 |
| 4.2.3 权值衰减和微簇聚类模型 | 第33-34页 |
| 4.3 基于权值衰减的数据流模糊微簇聚类算法 | 第34-39页 |
| 4.3.1 改进的FCM算法 | 第34-36页 |
| 4.3.2 WDSMC算法的基本思想 | 第36-38页 |
| 4.3.3 WDSMC算法描述 | 第38-39页 |
| 4.4 仿真实验及性能分析 | 第39-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 基于模糊聚类的数据流概念漂移检测算法 | 第43-55页 |
| 5.1 引言 | 第43-44页 |
| 5.2 模型和相关定义 | 第44-45页 |
| 5.2.1 概率漂移定义 | 第44-45页 |
| 5.2.2 滑动窗口模型 | 第45页 |
| 5.3 基于模糊聚类的概念漂移检测算法 | 第45-48页 |
| 5.3.1 滑动窗口调整策略 | 第45-46页 |
| 5.3.2 SCDFC算法基本思想 | 第46-48页 |
| 5.3.3 SCDFC算法描述 | 第48页 |
| 5.4 仿真实验及性能分析 | 第48-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-56页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第59-60页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第60-61页 |
| 致谢 | 第61页 |
