| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 不确定数据流挖掘技术 | 第10-12页 |
| 1.1.1 不确定数据流挖掘研究背景和意义 | 第10-11页 |
| 1.1.2 不确定数据流挖掘的任务 | 第11-12页 |
| 1.2 不确定数据流聚类分析研究现状 | 第12-15页 |
| 1.2.1 国内外研究现状 | 第12-14页 |
| 1.2.2 存在的问题 | 第14-15页 |
| 1.3 课题的主要研究内容 | 第15-16页 |
| 1.4 本文的结构安排 | 第16-18页 |
| 第2章 基于概率密度网格结构的不确定数据流在线聚类算法研究 | 第18-27页 |
| 2.1 引言 | 第18-19页 |
| 2.2 问题定义 | 第19-22页 |
| 2.3 PDG-OCUStream聚类算法设计 | 第22-26页 |
| 2.3.1 PDG-OCUStream聚类算法框架 | 第22-24页 |
| 2.3.2 初始化聚类子算法 | 第24页 |
| 2.3.3 更新聚类子算法 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于可调整的概率密度网格结构的不确定数据流聚类算法研究 | 第27-34页 |
| 3.1 引言 | 第27-28页 |
| 3.2 问题定义 | 第28-30页 |
| 3.3 APDG-CUStream算法设计 | 第30-32页 |
| 3.3.1 APDG-CUStream聚类算法框架 | 第30-31页 |
| 3.3.2 初始调整聚类算法 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 基于概率密度网格树的不确定数据流聚类算法研究 | 第34-42页 |
| 4.1 引言 | 第34-35页 |
| 4.2 问题定义 | 第35-37页 |
| 4.3 PDGT-CUStream算法设计 | 第37-40页 |
| 4.3.1 时间间隔gap与噪音阈值函数的确定 | 第37-38页 |
| 4.3.2 PDGT-CUStream聚类算法框架 | 第38-39页 |
| 4.3.3 初始化算法和聚类叶子节点算法 | 第39-40页 |
| 4.4 本章小结 | 第40-42页 |
| 第5章 算法实现及性能分析 | 第42-54页 |
| 5.1 实验数据和实验环境 | 第42-43页 |
| 5.2 PDG-OCUStream算法性能分析 | 第43-46页 |
| 5.2.1 PDG-OCUStream算法聚类质量分析 | 第43-44页 |
| 5.2.2 PDG-OCUStream算法执行效率分析 | 第44-45页 |
| 5.2.3 不同概率密度阈值对PDG-OCUStream算法的影响 | 第45-46页 |
| 5.3 APDG-CUStream算法性能分析 | 第46-50页 |
| 5.3.1 APDG-CUStream算法聚类质量分析 | 第46-47页 |
| 5.3.2 APDG-CUStream算法执行效率分析 | 第47-49页 |
| 5.3.3 不同概率密度网格粒度对APDG-CUStream算法的影响 | 第49-50页 |
| 5.4 PDGT-CUStream算法性能分析 | 第50-53页 |
| 5.4.1 PDGT-CUStream算法执行效率分析 | 第50-51页 |
| 5.4.2 不同划分精度对PDGT-CUStream算法的影响 | 第51-53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 作者简介 | 第63页 |
