基于PCA/ICA的多数据流关联及模式发现

摘要	第1-5页
Abstract	第5-8页
1 绪论	第8-11页
·研究的背景和意义	第8页
·数据流研究现状	第8-9页
·本文的研究内容	第9-10页
·本文的结构安排	第10-11页
2 数据流技术综述	第11-21页
·数据流模型	第11-14页
·数据特点	第11页
·数据流技术	第11-13页
·研究热点	第13-14页
·数据流挖掘技术	第14-21页
·数据流聚类	第14-17页
·数据流频繁项集的挖掘	第17-21页
3 数据流中的PCA/ICA算法理论模型	第21-27页
·PCA的原理以及数据降维的应用	第21-24页
·ICA技术	第24-27页
·独立分量的概念和理论	第24-25页
·独立分量的基本算法	第25-27页
4 滑动窗口上的数据流PCA/ICA分析模型	第27-43页
·多数据流关联度分析	第28-36页
·在数据流模型的 PCA算法实现	第28-33页
·关联度的定量方式	第33-35页
·多数据流关联度的实验	第35-36页
·独立动因与隐藏模式的发现	第36-43页
·Fast ICA算法	第36-39页
·处理噪音的算法改进	第39-43页
5 实验和系统性能分析	第43-52页
·多语音流的仿真实验	第43-48页
·模型的健壮性和实时性分析	第48-52页
结论	第52-55页
参考文献	第55-59页
附录A PCA过程主要代码	第59-61页
附录B ICA过程主要代码	第61-63页
攻读硕士学位期间发表学术论文情况	第63-64页
致谢	第64-65页