| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·不确定性数据流挖掘技术 | 第10-12页 |
| ·不确定性数据流挖掘研究背景及意义 | 第11页 |
| ·不确定性数据流挖掘的任务 | 第11-12页 |
| ·不确定性数据流挖掘的研究现状 | 第12-15页 |
| ·国内外研究现状 | 第13-15页 |
| ·存在的问题 | 第15页 |
| ·课题研究内容 | 第15-16页 |
| ·本文的结构内容安排 | 第16-18页 |
| 第2章 不确定性的混合属性数据流聚类算法 | 第18-27页 |
| ·引言 | 第18-19页 |
| ·问题定义 | 第19-22页 |
| ·混合属性元组不确定性 | 第20页 |
| ·混合属性不确定性聚类特征 | 第20-22页 |
| ·具有不确定性的混合属性相似度度量 | 第22页 |
| ·HU-Clustering 算法 | 第22-25页 |
| ·算法描述 | 第23-25页 |
| ·算法分析 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第3章 基于滑动窗口模型的不确定性数据流聚类算法 | 第27-36页 |
| ·引言 | 第27-28页 |
| ·问题定义 | 第28-32页 |
| ·属性级元组不确定性 | 第29页 |
| ·不确定性时间聚类特征 | 第29-31页 |
| ·不确定性元组相似度度量标准 | 第31-32页 |
| ·SWCUStreams 算法 | 第32-34页 |
| ·算法描述 | 第32-33页 |
| ·算法分析 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第4章 基于网格概率密度的不确定性数据流聚 类算法 | 第36-44页 |
| ·引言 | 第36-37页 |
| ·问题定义 | 第37-40页 |
| ·网格概率密度 | 第37-38页 |
| ·不确定性网格聚类特征 | 第38-39页 |
| ·网格相似度 | 第39-40页 |
| ·GD-CUStreams 算法 | 第40-43页 |
| ·算法描述 | 第40-42页 |
| ·算法分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 算法实现及实验分析 | 第44-57页 |
| ·实验环境 | 第44-45页 |
| ·HU-Clustering 算法实验 | 第45-49页 |
| ·HU-Clustering 算法的实验参数设置 | 第45页 |
| ·HU-Clustering 算法的聚类质量评价 | 第45-47页 |
| ·HU-Clustering 算法的执行效率评价 | 第47-49页 |
| ·SWCUStreams 算法实验 | 第49-52页 |
| ·SWCUStreams 算法实验参数设置 | 第49页 |
| ·SWCUStreams 算法的聚类质量评价 | 第49-51页 |
| ·SWCUStreams 算法聚类运行时间 | 第51-52页 |
| ·GD-CUStreams 算法实验 | 第52-55页 |
| ·GD-CUStreams 算法实验参数设置 | 第52页 |
| ·GD-CUStreams 算法的聚类质量评价 | 第52-54页 |
| ·元组不确定性对GD-CUStreams 算法执行效率的影响 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 作者简介 | 第67页 |