摘要 | 第1-10页 |
ABSTRACT | 第10-13页 |
第一章 绪论 | 第13-23页 |
·研究背景 | 第13-16页 |
·数据流概述 | 第16-19页 |
·数据流模型 | 第16页 |
·数据流处理模型 | 第16-18页 |
·数据流处理系统 | 第18-19页 |
·数据流挖掘 | 第19-20页 |
·本文研究内容 | 第20-22页 |
·本文结构 | 第22-23页 |
第二章 数据流挖掘研究进展 | 第23-36页 |
·引言 | 第23-24页 |
·基本技术 | 第24-26页 |
·抽样(Sampling) | 第24-25页 |
·直方图(Histogram) | 第25页 |
·梗概(Sketch)技术 | 第25页 |
·Load Shedding | 第25-26页 |
·小波方法 | 第26页 |
·近似算法 | 第26页 |
·数据流挖掘算法 | 第26-35页 |
·数据流频繁项挖掘算法 | 第27-30页 |
·数据流聚类分析算法 | 第30-33页 |
·其它数据流挖掘算法 | 第33-35页 |
·数据流挖掘系统 | 第35页 |
·本章小结 | 第35-36页 |
第三章 数据流频繁项挖掘算法的研究 | 第36-66页 |
·引言 | 第36-37页 |
·基于界标窗口模型的数据流频繁项挖掘 | 第37-51页 |
·可扩展的Bloom Filter(ESBF) | 第38-40页 |
·FI-ESBFL算法 | 第40-45页 |
·理论分析 | 第45-48页 |
·FI-ESBFL算法分析 | 第48-51页 |
·基于衰减窗口模型的数据流频繁项挖掘 | 第51-54页 |
·FI-ESBFD算法 | 第51-52页 |
·FI-ESBFD算法分析 | 第52-54页 |
·基于滑动窗口模型的数据流频繁项挖掘 | 第54-56页 |
·FIS-EBFS算法 | 第54-55页 |
·FIS-EBFS算法分析 | 第55-56页 |
·实验与性能评价 | 第56-64页 |
·FI-ESBFL算法性能 | 第56-59页 |
·FI-ESBFD算法性能 | 第59-61页 |
·FIS-EBFS算法性能 | 第61-64页 |
·相关工作 | 第64-65页 |
·本章小结 | 第65-66页 |
第四章 基于熵的混合属性数据流聚类算法 | 第66-99页 |
·引言 | 第66-67页 |
·基于距离与熵的混合属性数据流聚类算法 | 第67-78页 |
·熵 | 第67-69页 |
·CNCDE-Stream算法 | 第69-77页 |
·CNCDE-Stream算法分析 | 第77-78页 |
·基于熵的混合属性数据流聚类算法 | 第78-92页 |
·传统概率密度函数估计方法 | 第79-80页 |
·S-核方法 | 第80-81页 |
·数据流环境下混合属性数据集合期望熵的计算 | 第81-83页 |
·CNCE-Stream算法 | 第83-90页 |
·CNCE-Stream算法分析 | 第90-92页 |
·算法实验与性能评价 | 第92-97页 |
·相关工作 | 第97-98页 |
·本章小结 | 第98-99页 |
第五章 基于子空间的数据流聚类算法 | 第99-118页 |
·引言 | 第99-102页 |
·基于网格与密度的聚类 | 第102-103页 |
·基于子空间的数据流聚类算法 | 第103-110页 |
·概念与定义 | 第103-104页 |
·SOStream算法 | 第104-110页 |
·SOSTREAM算法分析 | 第110-111页 |
·SOSTREAM算法实验结果与性能评价 | 第111-115页 |
·相关工作 | 第115-117页 |
·本章小结 | 第117-118页 |
第六章 基于人工免疫原理的数据流聚类算法 | 第118-138页 |
·引言 | 第118-120页 |
·相关概念 | 第120-123页 |
·基于人工免疫网络的数据流聚类算法(AIN-STREAM) | 第123-129页 |
·B细胞特征向量(BCF)结构的维护 | 第123-129页 |
·聚类结果的生成 | 第129页 |
·AIN-STREAM算法分析 | 第129-130页 |
·AIN-STREAM实验结果与性能分析 | 第130-136页 |
·相关工作 | 第136-137页 |
·本章小结 | 第137-138页 |
第七章 总结与展望 | 第138-140页 |
·本文工作的总结 | 第138-139页 |
·未来工作的展望 | 第139-140页 |
参考文献 | 第140-153页 |
攻读博士学位期间参与的科研项目及主要成果 | 第153-155页 |
致谢 | 第155-157页 |