| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 引言 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 课题研究内容 | 第15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第2章 相关研究概述 | 第17-33页 |
| 2.1 频繁项集挖掘的基本概念 | 第17-18页 |
| 2.2 数据流处理模型 | 第18-20页 |
| 2.2.1 界标模型(landmark model) | 第18-19页 |
| 2.2.2 衰减模型(damped model) | 第19页 |
| 2.2.3 滑动窗口模型(sliding window model) | 第19-20页 |
| 2.3 传统数据集频繁项集挖掘经典算法 | 第20-25页 |
| 2.3.1 Apriori算法 | 第20-22页 |
| 2.3.2 FP-growth算法 | 第22-24页 |
| 2.3.3 Eclat算法 | 第24-25页 |
| 2.3.4 COFI算法 | 第25页 |
| 2.4 数据流频繁项集挖掘经典算法 | 第25-31页 |
| 2.4.1 Lossy Counting算法 | 第26页 |
| 2.4.2 FP-stream算法 | 第26-27页 |
| 2.4.3 DST算法 | 第27-29页 |
| 2.4.4 CPS算法 | 第29-31页 |
| 2.4.5 VSW算法 | 第31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 基于可变滑动窗口的数据流频繁项集挖掘算法 | 第33-49页 |
| 3.1 相关定义 | 第33页 |
| 3.2 SCPS-tree数据结构 | 第33-38页 |
| 3.2.1 SCPS-tree结构 | 第34-35页 |
| 3.2.2 SCPS-tree的构建 | 第35-38页 |
| 3.3 可变滑动窗口模型 | 第38-42页 |
| 3.3.1 概念漂移的检测 | 第38页 |
| 3.3.2 可变滑动窗口的更新 | 第38-40页 |
| 3.3.3 SCPS-tree节点删除 | 第40-42页 |
| 3.4 算法VSW-SCPS整体描述 | 第42-43页 |
| 3.5 实验及分析 | 第43-48页 |
| 3.5.1 实验数据集 | 第43-44页 |
| 3.5.2 实验环境 | 第44页 |
| 3.5.3 实验结果及分析 | 第44-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 基于有限可变滑动窗口的数据流最大频繁项集挖掘算法 | 第49-63页 |
| 4.1 相关定义 | 第49-50页 |
| 4.2 OSCPS-tree树据结构 | 第50-54页 |
| 4.2.1 OSCPS-tree结构 | 第50-52页 |
| 4.2.2 OSCPS-tree的构建 | 第52-54页 |
| 4.3 最大频繁项集挖掘算法 | 第54-55页 |
| 4.4 有限可变滑动窗口模型 | 第55-57页 |
| 4.4.1 概念漂移的检测 | 第55-56页 |
| 4.4.2 有限可变滑动窗口的更新 | 第56-57页 |
| 4.5 算法LVSW-OSCPS整体描述 | 第57-59页 |
| 4.6 实验及分析 | 第59-62页 |
| 4.6.1 实验数据集 | 第59页 |
| 4.6.2 实验环境 | 第59页 |
| 4.6.3 实验结果与分析 | 第59-62页 |
| 4.7 本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第72页 |
