数据流中频繁项集挖掘研究
| 中文摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 1 综述 | 第10-13页 |
| ·研究背景 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·本文主要工作 | 第12-13页 |
| 2 数据流处理技术和挖掘的关键问题 | 第13-21页 |
| ·数据流及处理的特点 | 第13-14页 |
| ·数据流处理技术 | 第14-17页 |
| ·基于数据的技术 | 第14-15页 |
| ·基于任务的技术 | 第15-17页 |
| ·数据流挖掘的关键问题 | 第17-20页 |
| ·数据处理模型 | 第17-18页 |
| ·压缩的数据结构 | 第18页 |
| ·计算高效的一遍扫描 | 第18-19页 |
| ·概念漂移 | 第19页 |
| ·自适应性 | 第19-20页 |
| ·项集计算 | 第20页 |
| ·小结 | 第20-21页 |
| 3 经典的频繁项集挖掘 | 第21-30页 |
| ·基本概念 | 第21页 |
| ·频繁项集挖掘算法 | 第21-27页 |
| ·Apriori算法 | 第21-24页 |
| ·Apriori算法的改进 | 第24页 |
| ·Close算法 | 第24-25页 |
| ·FP-growth算法 | 第25-27页 |
| ·相关实验 | 第27-29页 |
| ·Apriori算法 | 第27-28页 |
| ·FP-growth算法 | 第28页 |
| ·实验总结 | 第28-29页 |
| ·小结 | 第29-30页 |
| 4 数据流中频繁项集挖掘算法 | 第30-46页 |
| ·采样算法 | 第30-32页 |
| ·Sticky Samplig算法 | 第30-31页 |
| ·Lossy Counting算法 | 第31页 |
| ·Lossy Counting算法扩展 | 第31-32页 |
| ·略图算法 | 第32-34页 |
| ·Count Sketch算法 | 第32-33页 |
| ·Count-Min Sketch | 第33-34页 |
| ·滑动窗口算法 | 第34-41页 |
| ·FP-stream算法 | 第34-36页 |
| ·Sliding window方法 | 第36-38页 |
| ·DS_CFI算法 | 第38-41页 |
| ·分段算法 | 第41-45页 |
| ·小结 | 第45-46页 |
| 5 FP-CountMin算法 | 第46-54页 |
| ·引言 | 第46-47页 |
| ·问题的定义和描述 | 第47-48页 |
| ·算法 | 第48-51页 |
| ·N、段数据潜在频繁项集生成 | 第48-50页 |
| ·潜在频繁项集计数 | 第50页 |
| ·输出频繁项集 | 第50-51页 |
| ·实验分析与研究 | 第51-52页 |
| ·算法分析 | 第51-52页 |
| ·实验比较分析 | 第52页 |
| ·算法扩展 | 第52-53页 |
| ·小结 | 第53-54页 |
| 6 总结和展望 | 第54-56页 |
| ·结论 | 第54-55页 |
| ·今后工作展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 学位论文数据集 | 第59页 |
