| 摘要 | 第1-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第13-23页 |
| ·研究背景与意义 | 第13-15页 |
| ·数据挖掘算法 | 第15-16页 |
| ·数据流数据挖掘算法 | 第16-18页 |
| ·数据流频繁项集挖掘算法 | 第18-20页 |
| ·主要研究内容 | 第20-21页 |
| ·论文组织结构 | 第21-23页 |
| 第二章 相关研究工作 | 第23-36页 |
| ·数据流管理系统 | 第23-29页 |
| ·STREAM | 第24-27页 |
| ·Aurora | 第27-28页 |
| ·MaxStream | 第28-29页 |
| ·数据流挖掘算法 | 第29-31页 |
| ·聚类挖掘 | 第30页 |
| ·分类挖掘 | 第30-31页 |
| ·频繁项集挖掘 | 第31页 |
| ·数据流频繁项集挖掘算法 | 第31-36页 |
| ·全数据流算法 | 第32-33页 |
| ·滑动窗口算法 | 第33-36页 |
| 第三章 基于快速滑动窗口的数据流频繁项集挖掘算法研究 | 第36-52页 |
| ·基于快速滑动窗口的数据流频繁项集挖掘算法描述 | 第36-37页 |
| ·基于位序列的数据流滑动窗口表示 | 第37-39页 |
| ·位序列简介 | 第38页 |
| ·位序列的维护 | 第38页 |
| ·基于位序列的支持度计数 | 第38-39页 |
| ·基于位序列构建窗口矩阵 | 第39页 |
| ·基于散列表的频繁闭项集结果查询方法 | 第39-40页 |
| ·基于闭项集分类的待判项集甄别筛选及闭包判定方法 | 第40-48页 |
| ·预备知识 | 第41-43页 |
| ·事务滑入窗口 | 第43-45页 |
| ·事务滑出窗口 | 第45-48页 |
| ·实验结果与分析 | 第48-51页 |
| ·窗口滑动时间 | 第48-49页 |
| ·内存占用量 | 第49页 |
| ·算法启动时间 | 第49-50页 |
| ·查询响应时间 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 基于智能轮询的多数据流频繁项集挖掘算法研究 | 第52-63页 |
| ·基于智能轮询的多数据流频繁项集挖掘算法描述 | 第52-53页 |
| ·轮询中的竞争机制 | 第53-55页 |
| ·等待数据的预处理 | 第55-56页 |
| ·数据流的加入与退出 | 第56-58页 |
| ·数据流加入 | 第56-57页 |
| ·数据流退出 | 第57-58页 |
| ·实验结果与分析 | 第58-62页 |
| ·窗口滑动时间 | 第58-59页 |
| ·内存占用量 | 第59-60页 |
| ·算法启动时间 | 第60页 |
| ·查询响应时间 | 第60-61页 |
| ·系统资源利用率 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 基于Hadoop 的数据流频繁项集挖掘原型系统 | 第63-73页 |
| ·Hadoop 云计算平台 | 第63-67页 |
| ·Hadoop 云计算平台简介 | 第63-64页 |
| ·MapReduce 编程框架 | 第64-67页 |
| ·Hadoop 分布式文件系统 | 第67页 |
| ·系统设计与实现 | 第67-70页 |
| ·体系结构设计 | 第67-68页 |
| ·数据流分块封装 | 第68-69页 |
| ·预处理 | 第69页 |
| ·基于MapReduce 框架的频繁项集挖掘算法实现 | 第69-70页 |
| ·性能测试与分析 | 第70-72页 |
| ·查询响应时间 | 第71-72页 |
| ·系统资源利用率 | 第72页 |
| ·本章小结 | 第72-73页 |
| 第六章 结束语 | 第73-75页 |
| ·研究工作总结 | 第73-74页 |
| ·未来工作展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 作者在学期间取得的学术成果 | 第80-81页 |
| 作者在学期间参加的主要科研工作 | 第81页 |
