| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·数据流的特点 | 第11-12页 |
| ·数据流研究的挑战 | 第12-13页 |
| ·数据流研究的背景 | 第13-14页 |
| ·主要贡献 | 第14-16页 |
| ·论文结构 | 第16-17页 |
| 第二章 数据流研究进展 | 第17-30页 |
| ·数据流算法 | 第17-21页 |
| ·随机抽样 | 第18-19页 |
| ·直方图 | 第19页 |
| ·窗口模型 | 第19-20页 |
| ·小波技术 | 第20-21页 |
| ·哈希方法 | 第21页 |
| ·数据流管理系统(DSMS) | 第21-25页 |
| ·DSMS 和DBMS 的不同 | 第22-23页 |
| ·DSMS 需求 | 第23页 |
| ·DSMS 发展现状 | 第23-25页 |
| ·数据流挖掘算法 | 第25-29页 |
| ·频繁项集挖掘 | 第25-26页 |
| ·数据流聚类 | 第26-28页 |
| ·数据流分类 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 数据流频繁模式挖掘 | 第30-40页 |
| ·问题描述 | 第31页 |
| ·HCOUNT 算法 | 第31-33页 |
| ·改进的算法 | 第33-37页 |
| ·HCOUNT+算法 | 第33-36页 |
| ·SL-HCOUNT+算法 | 第36-37页 |
| ·算法复杂度分析 | 第37页 |
| ·实验结果 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于逻辑回归函数的数据流分类算法 | 第40-52页 |
| ·逻辑回归函数 | 第40-42页 |
| ·逻辑回归的数据流分类算法 | 第42-47页 |
| ·算法概述 | 第42-43页 |
| ·训练样本收集 | 第43-44页 |
| ·分类器构建 | 第44-45页 |
| ·概念漂移探测 | 第45页 |
| ·数据分类 | 第45-46页 |
| ·算法复杂度分析 | 第46-47页 |
| ·实验结果 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于支持向量机的数据流多分类算法 | 第52-70页 |
| ·背景 | 第52-57页 |
| ·支持向量机(Support vector machine) | 第53-54页 |
| ·一对一算法(One-against-one) | 第54-55页 |
| ·一对多算法(One-against-rest) | 第55-56页 |
| ·DB2 算法(Divide-by-2) | 第56-57页 |
| ·大量数据集的多分类算法 | 第57-64页 |
| ·One2One 算法 | 第57-58页 |
| ·One2Rest 算法 | 第58页 |
| ·LDB2 算法 | 第58-61页 |
| ·讨论 | 第61-62页 |
| ·实验结果 | 第62-64页 |
| ·一种自适应局部概念漂移的数据流分类算法 | 第64-69页 |
| ·自适应局部概念漂移的数据流分类算法 | 第65-68页 |
| ·实验结果 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 流速敏感的自适应卸载处理算法 | 第70-78页 |
| ·背景介绍 | 第70-71页 |
| ·问题定义 | 第71-72页 |
| ·自适应卸载处理算法 | 第72-75页 |
| ·实验结果 | 第75-76页 |
| ·相关工作 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第七章 数据流分类的特征选择算法 | 第78-92页 |
| ·问题定义 | 第79-80页 |
| ·OCFS 算法 | 第80-81页 |
| ·POCFS 算法 | 第81-85页 |
| ·POCFS+算法 | 第85-86页 |
| ·实验结果 | 第86-90页 |
| ·数据集 | 第86页 |
| ·实验步骤 | 第86页 |
| ·算法性能 | 第86-90页 |
| ·本章小结 | 第90-92页 |
| 第八章 总结与展望 | 第92-95页 |
| ·总结 | 第92-94页 |
| ·展望 | 第94-95页 |
| 参考文献 | 第95-107页 |
| 攻读博士学位期间以第一作者发表的论文 | 第107-108页 |
| 致谢 | 第108-110页 |