数据流挖掘中聚类算法的研究与实现

摘要	第1-6页
Abstract	第6-9页
第1章 绪论	第9-23页
·相关概念	第9-15页
·数据挖掘	第9-12页
·数据流	第12-13页
·数据流挖掘	第13-15页
·国内外研究现状	第15-18页
·热门技术的应用	第18-21页
·本文工作及内容安排	第21-23页
第2章 数据流聚类算法概述	第23-37页
·传统聚类算法	第23-31页
·聚类分析简介	第23-24页
·聚类的实际应用	第24-25页
·数据挖掘对聚类算法的典型要求	第25-27页
·典型聚类算法	第27-31页
·现有数据流聚类算法	第31-34页
·数据流聚类分析的特点	第32页
·相关算法	第32-34页
·数据流聚类算法思想的影响	第34-36页
·本章小结	第36-37页
第3章 基于密度的聚类算法模型	第37-47页
·算法的基本思想	第37-40页
·基于密度方法的相关概念	第37-40页
·滑动窗口模型	第40页
·相关定义	第40-42页
·在线聚类模型	第42-44页
·获取参考簇	第42页
·剪枝策略	第42-44页
·离线再处理模型	第44-45页
·生成聚类	第45页
·演化分析	第45页
·本章小结	第45-47页
第4章 实验分析	第47-51页
·实验环境与数据集	第47-48页
·有效性测试	第48-50页
·聚类形状的比较	第48页
·聚类质量的比较	第48-49页
·执行效率的比较	第49-50页
·本章小结	第50-51页
结论	第51-52页
参考文献	第52-57页
攻读硕士学位期间发表的论文和取得的科研成果	第57-58页
致谢	第58页