| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-12页 |
| 第一章 前言 | 第12-23页 |
| ·数据流概述 | 第12-14页 |
| ·数据流研究现状 | 第12页 |
| ·数据流模型 | 第12-13页 |
| ·数据流处理技术及其特点 | 第13-14页 |
| ·数据挖掘的研究背景 | 第14-20页 |
| ·数据挖掘定义 | 第14-15页 |
| ·数据挖掘的分类与方法 | 第15-17页 |
| ·数据挖掘的应用 | 第17-18页 |
| ·知识发现的基本步骤 | 第18-20页 |
| ·数据流离群数据挖掘 | 第20-22页 |
| ·数据流离群数据挖掘的研究背景 | 第20-21页 |
| ·数据流数据挖掘的重要方法 | 第21-22页 |
| ·本文组织及内容安排 | 第22-23页 |
| 第二章 离群数据挖掘概述 | 第23-32页 |
| ·离群数据的定义 | 第23页 |
| ·离群数据挖掘的定义 | 第23-24页 |
| ·离群数据挖掘的重要方法 | 第24-30页 |
| ·基于统计的离群数据的发现方法 | 第24-25页 |
| ·基于距离的离群数据的发现方法 | 第25-27页 |
| ·基于偏离的离群数据的发现方法 | 第27-28页 |
| ·基于规则的离群数据的发现方法 | 第28页 |
| ·基于聚类算法的离群数据发现方法 | 第28-29页 |
| ·基于相似系数的离群数据发现方法 | 第29-30页 |
| ·离群数据分析 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第三章 数据流聚类分析 | 第32-40页 |
| ·聚类分析的概念 | 第33-35页 |
| ·主要数据流聚类方法 | 第35-38页 |
| ·一趟聚类算法 | 第36-37页 |
| ·进化数据流聚类算法 | 第37-38页 |
| ·离群数据挖掘与聚类的关系 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第四章 基于分布式反向k近邻算法的数据流离群数据挖掘研究 | 第40-55页 |
| ·分布式数据挖掘综述 | 第40-43页 |
| ·分布式数据挖掘概念 | 第40-41页 |
| ·分布式数据挖掘体系结构 | 第41-42页 |
| ·分布式数据挖掘面临的问题 | 第42-43页 |
| ·反向k近邻算法与离群数据挖掘 | 第43-46页 |
| ·反向k近邻与离群数据挖掘 | 第43-44页 |
| ·反向k近邻求解算法 | 第44-46页 |
| ·M-CluStream算法 | 第46-51页 |
| ·算法描述 | 第47-50页 |
| ·性能分析 | 第50-51页 |
| ·基于分布式反向k近邻算法的数据流离群数据挖掘 | 第51-53页 |
| ·局部数据流离群数据聚类集的生成 | 第52-53页 |
| ·全局数据流离群数据的生成 | 第53页 |
| ·基于分布式反向k近邻算法的数据流离群数据挖掘存在的问题 | 第53页 |
| ·本章小结 | 第53-55页 |
| 第五章 基于数据流离群数据挖掘技术的农业气象灾害实时预警系统 | 第55-60页 |
| ·研究背景及问题提出 | 第55-56页 |
| ·农业气象实时数据的采集与处理 | 第56-57页 |
| ·农业气象实时数据的采集 | 第56页 |
| ·农业气象实时数据的处理 | 第56-57页 |
| ·农业气象灾害实时预警系统 | 第57-59页 |
| ·农业气象灾害实时预警数据库的建立 | 第57-58页 |
| ·农业气象灾害实时预警系统的结构与流程 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 结束语 | 第60-62页 |
| ·本文工作总结 | 第60-61页 |
| ·进一步工作展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间的科研工作和发表论文 | 第67页 |
