数据流挖掘中聚类算法的研究与实现
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-14页 |
| ·相关概念 | 第7-8页 |
| ·数据挖掘 | 第7页 |
| ·数据流 | 第7-8页 |
| ·数据流挖掘 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·数据挖掘 | 第8-9页 |
| ·数据流挖掘 | 第9-10页 |
| ·入侵检测技术存在的问题及发展趋势 | 第10-11页 |
| ·入侵检测存在的问题 | 第10页 |
| ·入侵检测技术的发展趋势 | 第10-11页 |
| ·基于数据流挖掘的入侵检测 | 第11-12页 |
| ·论文的研究内容和组织结构 | 第12-14页 |
| ·本文研究内容 | 第12页 |
| ·本文组织结构 | 第12-14页 |
| 2 数据流挖掘理论 | 第14-22页 |
| ·数据流处理的特点 | 第14-15页 |
| ·数据流的基本模型 | 第15-16页 |
| ·数据流挖掘技术 | 第16-22页 |
| ·窗口技术 | 第16-18页 |
| ·动态抽样技术 | 第18-20页 |
| ·概要数据结构 | 第20-22页 |
| 3 数据流聚类算法概述 | 第22-30页 |
| ·传统聚类算法 | 第22-27页 |
| ·聚类分析简介 | 第22页 |
| ·聚类的实际应用 | 第22-23页 |
| ·数据挖掘对聚类算法的要求 | 第23-25页 |
| ·典型聚类算法 | 第25-27页 |
| ·现有数据流聚类算法 | 第27-28页 |
| ·数据流聚类算法思想的影响 | 第28-30页 |
| 4 基于密度的数据流聚类算法 | 第30-43页 |
| ·算法背景及基本概念 | 第30-32页 |
| ·算法背景 | 第30页 |
| ·基本概念 | 第30-32页 |
| ·算法的相关技术 | 第32-38页 |
| ·多重属性数据的相似性度量 | 第32-35页 |
| ·密度阈值函数 | 第35-37页 |
| ·内存抽样方法 | 第37-38页 |
| ·ρ-Stream算法 | 第38-42页 |
| ·在线层设计 | 第39-41页 |
| ·离线层设计 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 入侵检测模型设计与实验仿真 | 第43-49页 |
| ·入侵检测模型设计 | 第43-46页 |
| ·实验数据与实验环境 | 第46页 |
| ·实验结果分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 总结 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 个人简介 | 第53-54页 |
| 导师简介 | 第54-55页 |
| 获得成果目录清单 | 第55-56页 |
| 致谢 | 第56页 |
