| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章.绪论 | 第11-14页 |
| ·研究背景和意义 | 第11页 |
| ·研究内容及研究成果 | 第11-13页 |
| ·论文的组织结构 | 第13-14页 |
| 第2章.大规模网络中的事件关联规则发现 | 第14-20页 |
| ·相关研究 | 第14-15页 |
| ·EARA算法 | 第15-16页 |
| ·VPC算法 | 第16-18页 |
| ·试验仿真 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章.智能建筑中无线传感流数据的增量挖掘 | 第20-31页 |
| ·相关研究 | 第21-22页 |
| ·相似置信度求解 | 第22-27页 |
| ·试验仿真 | 第27-30页 |
| ·结论 | 第30-31页 |
| 第4章.流数据挖掘算法中关联规则提取时机的确定 | 第31-40页 |
| ·相关工作 | 第32-34页 |
| ·问题分析和解决 | 第34-36页 |
| ·系统仿真 | 第36-37页 |
| ·效率分析 | 第37-38页 |
| ·准确度分析 | 第38-39页 |
| ·结论 | 第39-40页 |
| 第5章.CHERNOFF和HOEFFDING定理在关联规则提取中的理论分析及应用 | 第40-48页 |
| ·相关工作 | 第40-41页 |
| ·相关定理及其分析 | 第41-44页 |
| ·相关定理 | 第41-42页 |
| ·分析 | 第42-44页 |
| ·试验仿真 | 第44-47页 |
| ·效率 | 第44-46页 |
| ·有效性 | 第46-47页 |
| ·结论 | 第47-48页 |
| 第6章.一种流数据增量式多维可扩展可视化挖掘方法 | 第48-55页 |
| ·相关工作 | 第48-49页 |
| ·IMDS | 第49-52页 |
| ·非相似性定义 | 第49页 |
| ·MDS定义 | 第49-50页 |
| ·IMDS低维空间坐标初始化算法 | 第50-51页 |
| ·IMDS算法 | 第51-52页 |
| ·系统仿真 | 第52-54页 |
| ·有效性 | 第52-53页 |
| ·效率 | 第53-54页 |
| ·结论 | 第54-55页 |
| 第7章.一种KPI映射到KQI的通用算法 | 第55-66页 |
| ·关键指标层次 | 第55-56页 |
| ·改进的关键指标层次 | 第56-57页 |
| ·K2K算法 | 第57-59页 |
| ·时间复杂度 | 第59-60页 |
| ·K2K算法与TMF提出的聚合算法的对比 | 第60-61页 |
| ·K2K算法性能分析 | 第61-62页 |
| ·K2K算法在彩铃业务运行质量评价系统中的应用 | 第62-64页 |
| ·结束语 | 第64-66页 |
| 第8章.一种不需协商的业务SLA测量的方法 | 第66-77页 |
| ·视频SLA分析 | 第67-72页 |
| ·性能分析 | 第72页 |
| ·试验分析 | 第72-76页 |
| ·结论 | 第76-77页 |
| 结束语 | 第77-80页 |
| 参考文献 | 第80-86页 |
| 主要缩略语 | 第86-87页 |
| 攻读博士学位期间发表的论文 | 第87-88页 |
| 致谢 | 第88页 |