| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第一章 绪论 | 第13-17页 |
| ·相关背景 | 第13-16页 |
| ·数据流管理 | 第13-14页 |
| ·基于案例推理 | 第14-15页 |
| ·聚类算法 | 第15页 |
| ·国内外研究现状 | 第15-16页 |
| ·本文主要研究内容 | 第16页 |
| ·本文组织及章节安排 | 第16-17页 |
| 第二章 数据流挖掘算法研究 | 第17-28页 |
| ·数据挖掘 | 第17-21页 |
| ·数据挖掘的定义 | 第17-18页 |
| ·数据挖掘的历史与研究现状 | 第18-19页 |
| ·数据挖掘的常用技术 | 第19-21页 |
| ·数据流聚类算法研究 | 第21-25页 |
| ·最小距离原则聚类算法 | 第21页 |
| ·BIRCH算法 | 第21-22页 |
| ·STREAM算法 | 第22-23页 |
| ·CluSTREAM算法 | 第23-25页 |
| ·数据流分类挖掘算法研究 | 第25-26页 |
| ·数据流频繁模式挖掘算法研究 | 第26页 |
| ·数据流挖掘方法所面临的问题 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于案例推理 | 第28-38页 |
| ·CBR概述 | 第28-31页 |
| ·CBR的起源和概念 | 第28-29页 |
| ·CBR的研究现状 | 第29-31页 |
| ·范例库上知识发现的主要步骤与目标 | 第31-32页 |
| ·范例库上知识发现的主要方法与技术 | 第32-35页 |
| ·CBR的发展趋势及相关问题 | 第35-37页 |
| ·发展趋势 | 第35-36页 |
| ·相关问题 | 第36页 |
| ·数据流系统与CBR集成中的主要问题 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 聚类分析 | 第38-51页 |
| ·聚类分析的概念 | 第38-39页 |
| ·主要聚类方法 | 第39-44页 |
| ·划分方法 | 第39-41页 |
| ·层次方法 | 第41页 |
| ·基于密度的方法 | 第41-42页 |
| ·基于网格的方法 | 第42-43页 |
| ·基于模型的方法 | 第43-44页 |
| ·数据流聚类 | 第44-49页 |
| ·数据流聚类分析特点 | 第44页 |
| ·数据流聚类算法 | 第44-48页 |
| ·数据流聚类算法分析 | 第48-49页 |
| ·数据流聚类在数据流系统集成中的主要问题 | 第49页 |
| ·本章小结 | 第49-51页 |
| 第五章 聚类分析与案例推理在数据流管理中的应用研究 | 第51-61页 |
| ·数据流管理 | 第51-53页 |
| ·数据流管理系统 | 第51-52页 |
| ·数据流算法 | 第52-53页 |
| ·聚类分析在数据流管理中的应用 | 第53-57页 |
| ·BIRCH聚类算法 | 第53-55页 |
| ·基于数据流的聚类算法 | 第55-57页 |
| ·试验及其结果分析 | 第57-58页 |
| ·CBR在数据流管理中的应用 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 结论和展望 | 第61-63页 |
| 参考文献 | 第63-65页 |