| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1. 绪论 | 第10-25页 |
| ·研究背景 | 第10-18页 |
| ·数据挖掘技术概述 | 第10-11页 |
| ·数据流管理概述及应用需求 | 第11-13页 |
| ·数据流的特点 | 第13-14页 |
| ·数据流管理系统与传统数据库管理系统的对比 | 第14-15页 |
| ·数据流模式 | 第15-16页 |
| ·数据流计算模型 | 第16-18页 |
| ·基本技术 | 第18-22页 |
| ·随机抽样(Radom Sampling Technique) | 第19页 |
| ·梗概技术(Skeching Technique) | 第19-20页 |
| ·直方图(Histogram) | 第20页 |
| ·滑动窗口(Sliding Windows) | 第20-21页 |
| ·小波技术(Wavelets Techniques) | 第21页 |
| ·哈希方法(Hashing) | 第21-22页 |
| ·主要工作 | 第22-24页 |
| ·论文组织 | 第24-25页 |
| 2 流数据挖掘算法综述 | 第25-56页 |
| ·流数据挖掘算法的特点 | 第25-26页 |
| ·数据流聚类分析 | 第26-39页 |
| ·聚类分析 | 第26页 |
| ·数据挖掘对聚类分析的要求 | 第26-27页 |
| ·传统的聚类方法 | 第27-28页 |
| ·数据流的对聚类算法的要求 | 第28-29页 |
| ·数据流聚类算法的发展和演化 | 第29-32页 |
| ·数据流聚类算法 | 第32-39页 |
| ·数据流分类规则挖掘 | 第39-46页 |
| ·分类规则挖掘的概念 | 第39-40页 |
| ·分类规则挖掘的步骤 | 第40页 |
| ·传统的分类规则挖掘算法 | 第40-45页 |
| ·数据流对分类算法的要求 | 第45-46页 |
| ·已有的数据流分类算法 | 第46-52页 |
| ·数据平稳分布的分类方法 | 第47-50页 |
| ·数据带概念漂移的分类方法 | 第50-52页 |
| ·其他数据流挖掘算法 | 第52-54页 |
| ·数据流分析挖掘系统 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 3 基于相关系数的多数据流聚类 | 第56-79页 |
| ·引言 | 第56-57页 |
| ·聚类多条数据流的动机 | 第56页 |
| ·相关工作 | 第56-57页 |
| ·问题描述和相关概念 | 第57-62页 |
| ·滑动窗口技术 | 第58-60页 |
| ·衰减系数 | 第60页 |
| ·相似度量 | 第60-62页 |
| ·汇总信息的计算及更新 | 第62-66页 |
| ·汇总信息的计算 | 第62-64页 |
| ·汇总信息的合并 | 第64-66页 |
| ·实时聚类算法框架 | 第66-69页 |
| ·离线聚类 | 第69-74页 |
| ·COR 框架的信息保存 | 第70-73页 |
| ·COR 前台信息保存算法描述 | 第73-74页 |
| ·后台聚类 | 第74页 |
| ·实验分析 | 第74-78页 |
| ·实验环境和数据集 | 第74-75页 |
| ·实时聚类性能分析 | 第75-77页 |
| ·COR 算法性能分析 | 第77-78页 |
| ·本章小结 | 第78-79页 |
| 4 基于谱分量相似度的多数据流的聚类 | 第79-91页 |
| ·引言 | 第79-80页 |
| ·问题描述和相关概念 | 第80-82页 |
| ·数据流间的延迟相关 | 第80-81页 |
| ·数据流间的距离 | 第81-82页 |
| ·AR 模型和谱分量对相关 | 第82-84页 |
| ·在滑动窗口中聚类多条数据流 | 第84-88页 |
| ·实验分析 | 第88-90页 |
| ·实验环境和测试数据 | 第88页 |
| ·性能测试 | 第88-90页 |
| ·本章小结 | 第90-91页 |
| 5 基于网格密度的数据流聚类算法 | 第91-109页 |
| ·引言 | 第91-92页 |
| ·问题描述和相关概念 | 第92-95页 |
| ·GDCS 算法描述及框架 | 第95-102页 |
| ·算法的基本思想 | 第95页 |
| ·GDCS 算法框架 | 第95-96页 |
| ·时间间隔gap 的确定 | 第96-97页 |
| ·对孤立点的检查及删除 | 第97-101页 |
| ·聚类的形成和调整算法 | 第101-102页 |
| ·实验分析 | 第102-107页 |
| ·实验环境和测试数据 | 第102-103页 |
| ·聚类的演化过程与效果分析 | 第103-104页 |
| ·聚类结果的正确率比较 | 第104-106页 |
| ·聚类速度的比较 | 第106-107页 |
| ·本章小结 | 第107-109页 |
| 6 一种基于改进的FDA 方法挖掘数据流 | 第109-123页 |
| ·引言 | 第109-110页 |
| ·问题描述及研究现状 | 第110-111页 |
| ·线性判别分析(FDA)概述 | 第111-116页 |
| ·Fisher 判别法的基本思想 | 第112-113页 |
| ·Fisher 线性判别函数的求法 | 第113-114页 |
| ·Fisher 判别规则 | 第114-116页 |
| ·改进的 Fisher 鉴别准则 | 第116-118页 |
| ·DFDA 分类算法 | 第118-120页 |
| ·实验分析 | 第120-122页 |
| ·实验环境和测试数据 | 第120页 |
| ·性能测试 | 第120-122页 |
| ·本章小结 | 第122-123页 |
| 7 总结与展望 | 第123-126页 |
| ·研究总结 | 第123-124页 |
| ·研究展望 | 第124-126页 |
| 参考文献 | 第126-134页 |
| 致谢 | 第134-135页 |
| 攻读硕士学位期间发表的论文和参加的研究工作 | 第135-136页 |
