| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 引言 | 第11-22页 |
| ·研究背景 | 第11-18页 |
| ·数据挖掘 | 第12-13页 |
| ·聚类算法 | 第13-17页 |
| ·算法模型 | 第17-18页 |
| ·研究现状 | 第18-20页 |
| ·问题模型 | 第18-19页 |
| ·流数据聚类算法研究现状 | 第19页 |
| ·流数据聚类算法研究的目的及意义 | 第19-20页 |
| ·本文工作 | 第20页 |
| ·内容组织 | 第20-22页 |
| 第二章 流数据挖掘 | 第22-33页 |
| ·流数据及其特点 | 第22-23页 |
| ·流数据挖掘与传统数据挖掘比较 | 第23-24页 |
| ·流数据挖掘 | 第23-24页 |
| ·流数据挖掘与传统数据挖掘过程对比 | 第24页 |
| ·流数据挖掘模型 | 第24-28页 |
| ·基于界标模型(landmark model)的方法 | 第24-26页 |
| ·基于滑动窗口模型(sliding window model)的方法 | 第26-28页 |
| ·流数据聚类模型发展与应用 | 第28-32页 |
| ·CluStream数据流聚类算法 | 第28-30页 |
| ·流数据聚类模型应用 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 N-δ滑动窗口模型下的优化聚类算法 | 第33-48页 |
| ·基本理论 | 第33-35页 |
| ·数据流聚类 | 第34页 |
| ·聚类分析中的混合类型变量 | 第34-35页 |
| ·问题提出 | 第35-36页 |
| ·N-δ模型下的算法结构 | 第36-45页 |
| ·优化指数直方图 | 第36-37页 |
| ·优化聚类特征结构 | 第37-40页 |
| ·微簇 | 第40-41页 |
| ·聚类特征指数直方图的合并 | 第41-43页 |
| ·N-δ滑动窗口模型 | 第43-45页 |
| ·N-δ窗口模型下的优化聚类算法 | 第45-47页 |
| ·数据流挖掘对聚类的要求 | 第45-46页 |
| ·OpClAlg优化算法设计 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 算法实现 | 第48-60页 |
| ·算法结构 | 第48-51页 |
| ·计算分类 | 第49页 |
| ·OTCF结构维护过程 | 第49-51页 |
| ·算法实现 | 第51-55页 |
| ·实验工具 | 第51页 |
| ·数据准备 | 第51-53页 |
| ·算法实现 | 第53-55页 |
| ·算法效率分析 | 第55-59页 |
| ·本章小节 | 第59-60页 |
| 第五章 数据流聚类算法在电信中的应用 | 第60-65页 |
| ·电信背景 | 第60-63页 |
| ·电信现状 | 第61页 |
| ·客户分析 | 第61-62页 |
| ·商业理解 | 第62-63页 |
| ·应用模型设计 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 结论与展望 | 第65-67页 |
| ·工作总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文目录 | 第71页 |