中文摘要 | 第1-4页 |
英文摘要 | 第4-8页 |
图目录 | 第8-10页 |
表目录 | 第10-12页 |
第一章 引言 | 第12-25页 |
·数据流特点 | 第12-14页 |
·数据流处理算法的基本要求 | 第14-16页 |
·数据流研究进展 | 第16-21页 |
·数据流模型研究进展 | 第17页 |
·数据流处理算法研究进展 | 第17-21页 |
·数据流研究的理论和现实意义 | 第21-23页 |
·论文的主要贡献和结构 | 第23-25页 |
第二章 在线屏蔽算法Ⅰ:数据流上频繁项(集)挖掘 | 第25-43页 |
·基于在线屏蔽的数据流频繁项挖掘 | 第26-31页 |
·Chernoff不等式 | 第26-27页 |
·在线屏蔽的思路 | 第27-28页 |
·频繁项挖掘算法 | 第28-30页 |
·纳伪和拒真方法对比研究 | 第30-31页 |
·数据流上频繁项集的挖掘 | 第31-34页 |
·实验 | 第34-41页 |
·频繁项挖掘 | 第34-36页 |
·频繁项集挖掘 | 第36-41页 |
·本章总结 | 第41-43页 |
第三章 在线屏蔽算法Ⅱ:数据流上频繁项集的压缩表示 | 第43-56页 |
·问题定义 | 第44-45页 |
·LN:基于在线屏蔽的可靠算法 | 第45-48页 |
·删除条件对比 | 第47-48页 |
·保持距离对比 | 第48页 |
·(1-δ)-最优覆盖挖掘 | 第48-50页 |
·实验 | 第50-55页 |
·频繁项挖掘 | 第50-52页 |
·频繁项集挖掘和δ-最优覆盖的产生 | 第52-55页 |
·相关工作和本章总结 | 第55-56页 |
第四章 取样屏蔽算法Ⅰ:分布数据流并的聚合运算 | 第56-78页 |
·分布流并的语义及其应用实例 | 第57-61页 |
·分布流并的语义 | 第57-58页 |
·应用实例 | 第58-60页 |
·冗余和不一致 | 第60-61页 |
·相关工作 | 第61页 |
·问题定义 | 第61-62页 |
·背景知识 | 第62-65页 |
·Min-Wise哈希 | 第62-64页 |
·Hoeffding不等式 | 第64页 |
·不同实体数的估计 | 第64-65页 |
·分布更新流的平均聚合估计 | 第65-69页 |
·局部均匀样本集(?)_i的生成 | 第65-66页 |
·全局均匀样本集∑(?)_i的生成 | 第66-67页 |
·估计g(∨ V_i) | 第67-68页 |
·算法分析和参数选取 | 第68-69页 |
·其他聚合函数的估计 | 第69-72页 |
·分布滑动窗口 | 第69-71页 |
·估计其他的聚合函数 | 第71-72页 |
·实验 | 第72-76页 |
·实验配置 | 第73-74页 |
·平均聚合函数的估计 | 第74-75页 |
·跟其他方法的比较 | 第75-76页 |
·本章总结 | 第76-78页 |
第五章 取样屏蔽算法Ⅱ:移动物体κ-中值点估算 | 第78-88页 |
·相关工作 | 第79页 |
·问题定义 | 第79-81页 |
·符号表示 | 第79-80页 |
·移动物体的近似κ-中值点 | 第80页 |
·难点及其算法概述 | 第80-81页 |
·算法 | 第81-84页 |
·uMediSam:位置流上的采样 | 第82页 |
·uComSam:获取全局均匀样本集 | 第82-83页 |
·κ-中值点的估算 | 第83-84页 |
·实验 | 第84-86页 |
·实验环境和配置 | 第84-85页 |
·影响中值点估计的因素 | 第85-86页 |
·本章总结 | 第86-88页 |
第六章 基于汇总的数据流处理:数据流上κ-中值点的快速计算 | 第88-109页 |
·问题定义 | 第90-91页 |
·基于分割的汇总结构构建和近似度分析 | 第91-95页 |
·基于分割的汇总结构 | 第91-92页 |
·占优和汇总结构近似度分析 | 第92-95页 |
·密度、占优和动态分割的构建 | 第95-101页 |
·基于密度的启发规则 | 第95-97页 |
·动态分割构建 | 第97-99页 |
·分割的管理策略 | 第99-101页 |
·实验 | 第101-108页 |
·不同数据集上的测试 | 第103-106页 |
·算法参数对聚类的影响 | 第106-108页 |
·相关工作 | 第108页 |
·本章总结 | 第108-109页 |
第七章 结束语 | 第109-111页 |
参考文献 | 第111-118页 |
攻读博士期间发表论文 | 第118-119页 |
致谢 | 第119-120页 |