| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-14页 |
| 1.1 数据挖掘研究背景 | 第9-10页 |
| 1.2 数据挖掘概念与应用 | 第10-11页 |
| 1.3 数据挖掘国内外研究现状 | 第11-12页 |
| 1.4 数据挖掘发展趋势 | 第12-13页 |
| 1.5 本文主要工作及组织结构 | 第13-14页 |
| 2 数据流频繁项集挖掘技术 | 第14-27页 |
| 2.1 数据流及频繁项集基本概念 | 第14-15页 |
| 2.1.1 数据流基本概念 | 第14-15页 |
| 2.1.2 频繁项集基本概念 | 第15页 |
| 2.2 数据流窗口分类 | 第15-16页 |
| 2.2.1 数据流界标窗口模型 | 第16页 |
| 2.2.2 数据流时间衰退窗口模型 | 第16页 |
| 2.2.3 数据流滑动窗口模型 | 第16页 |
| 2.3 频繁项集挖掘经典算法 | 第16-22页 |
| 2.3.1 Apriori算法 | 第16-19页 |
| 2.3.2 FP-tree算法 | 第19-22页 |
| 2.4 频繁闭项集挖掘 | 第22-27页 |
| 3 基于WCF-Tree加权滑动窗口数据流元项集挖掘算法 | 第27-35页 |
| 3.1 问题描述 | 第27-28页 |
| 3.1.1 bit-sequence介绍 | 第27页 |
| 3.1.2 基于加权滑动窗口频繁模式挖掘 | 第27-28页 |
| 3.2 算法的实现 | 第28-35页 |
| 3.2.1 算法实现步骤 | 第28页 |
| 3.2.2 建立加权频繁模式树 | 第28-30页 |
| 3.2.3 挖掘元项集 | 第30-31页 |
| 3.2.4 加权频繁模式树剪枝 | 第31-32页 |
| 3.2.5 实验结果与分析 | 第32-35页 |
| 4 基于矩阵的数据流频繁模式预测算法 | 第35-42页 |
| 4.1 问题描述 | 第35页 |
| 4.2 算法实现 | 第35-42页 |
| 4.2.1 算法实现步骤 | 第35页 |
| 4.2.2 矩阵生成和更新 | 第35-38页 |
| 4.2.3 频繁项集预测 | 第38-39页 |
| 4.2.4 实验结果与分析 | 第39-42页 |
| 结论 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 发表学术论文情况 | 第46-47页 |
| 致谢 | 第47页 |