基于滑动窗口的密度聚类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-26页 |
| ·研究背景及意义 | 第9-15页 |
| ·数据挖掘综述 | 第9页 |
| ·数据挖掘的功能 | 第9-13页 |
| ·数据挖掘系统的分类 | 第13-15页 |
| ·数据流的定义和特点 | 第15-17页 |
| ·数据流的挖掘技术 | 第17-24页 |
| ·数据流聚类概述 | 第17-18页 |
| ·传统的数据聚类的主要方法 | 第18-22页 |
| ·经典数据流聚类算法 | 第22-24页 |
| ·本文主要研究内容 | 第24页 |
| ·本文的组织结构 | 第24-26页 |
| 第二章 数据流聚类技术 | 第26-34页 |
| ·聚类分析中的数据类型 | 第26-27页 |
| ·常用的聚类算法比较 | 第27-28页 |
| ·数据流处理方法和数据流系统 | 第28-34页 |
| 第三章 基于时间衰减和合并簇的算法DStream | 第34-49页 |
| ·基于密度划分的方法 | 第34-38页 |
| ·K均值方法 | 第35-37页 |
| ·K均值方法的变种 | 第37页 |
| ·STREAM算法 | 第37-38页 |
| ·基于时间衰减机制 | 第38-42页 |
| ·滑动窗口模型 | 第39-40页 |
| ·分层聚类合并簇 | 第40-42页 |
| ·DStream算法 | 第42-49页 |
| ·相关定义 | 第42-44页 |
| ·在线聚类 | 第44-46页 |
| ·离线聚类 | 第46-49页 |
| 第四章 实验结果和算法性能分析 | 第49-53页 |
| ·KDDCUP99测试数据集 | 第49页 |
| ·实验结果分析 | 第49-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·工作总结 | 第53页 |
| ·未来展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 附录A 图索引 | 第59页 |
| 附录B 表索引 | 第59-60页 |
| Appendix A Figure Index | 第60页 |
| Appendix B Table Index | 第60-61页 |
| 致谢 | 第61-62页 |
| 读硕士学位期间发表学术论文情况 | 第62页 |
