| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 引言 | 第8-15页 |
| ·数据流模型 | 第8-12页 |
| ·研究问题的描述 | 第12-13页 |
| ·本文的研究内容和组织结构 | 第13-15页 |
| ·本文的研究内容 | 第13页 |
| ·本文的组织结构 | 第13-15页 |
| 第二章 数据流研究概述 | 第15-28页 |
| ·数据流管理系统（DSMS） | 第15-18页 |
| ·STREAM | 第15-16页 |
| ·Aurora | 第16-17页 |
| ·TelegraphCQ | 第17-18页 |
| ·数据流模型的划分 | 第18-21页 |
| ·快照模型 | 第19页 |
| ·界标模型 | 第19-20页 |
| ·滑动窗口模型 | 第20-21页 |
| ·概要数据结构 | 第21-23页 |
| ·布鲁姆过滤器(Boom Filter) | 第23-28页 |
| ·标准Bloom Filter 查询算法 | 第24-25页 |
| ·计数式Bloom Filter 查询算法 | 第25-26页 |
| ·压缩Bloom Filter 查询算法 | 第26-28页 |
| 第三章 一种新的基于 K-Bloom Filter 的流统计算法 | 第28-37页 |
| ·引言 | 第28-29页 |
| ·应用背景 | 第28页 |
| ·问题描述 | 第28-29页 |
| ·基于数据流模型的聚集计算研究与实现 | 第29-34页 |
| ·基于Bloom Filter 结构的流统计算法 | 第29-30页 |
| ·基于K-Bloom Filter 结构的流统计算法 | 第30-34页 |
| ·实验结果与分析 | 第34-36页 |
| ·小结 | 第36-37页 |
| 第四章 基于流数据的网络流量监测分析系统 | 第37-48页 |
| ·引言 | 第37页 |
| ·系统总体介绍 | 第37-42页 |
| ·系统的相关介绍 | 第37-40页 |
| ·系统总体框架设计 | 第40-42页 |
| ·精确的 SUM COUNT TOP-K 聚集计算 | 第42-47页 |
| ·小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 致谢 | 第54-55页 |
| 附录 A(攻读硕士学位期间参与的科研项目和研究成果) | 第55页 |
