| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文的主要工作 | 第14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第2章 不确定数据流频繁项集挖掘概述 | 第16-32页 |
| 2.1 数据流挖掘概述 | 第16-24页 |
| 2.1.1 数据流的特点及模式挖掘的关键问题 | 第16-17页 |
| 2.1.2 数据流应用领域 | 第17-19页 |
| 2.1.3 数据流处理基本技术 | 第19-22页 |
| 2.1.4 数据流挖掘结果分类 | 第22-23页 |
| 2.1.5 数据流频繁项集挖掘算法 | 第23-24页 |
| 2.2 数据的不确定性 | 第24-28页 |
| 2.2.1 不确定数据的产生原因 | 第24-25页 |
| 2.2.2 不确定数据的表现形式 | 第25页 |
| 2.2.3 不确定数据模型 | 第25-27页 |
| 2.2.4 不确定数据频繁项集挖掘算法 | 第27-28页 |
| 2.3 不确定数据流频繁项集挖掘 | 第28-31页 |
| 2.3.1 不确定数据流频繁项集挖掘框架 | 第28-29页 |
| 2.3.2 不确定数据流频繁项集挖掘算法 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 不确定数据流频繁项集挖掘算法 | 第32-50页 |
| 3.1 问题提出 | 第32-34页 |
| 3.1.1 SUF-tree前缀树分析 | 第32-34页 |
| 3.1.2 数据模型 | 第34页 |
| 3.2 后缀支持度算法 | 第34-44页 |
| 3.2.1 后缀支持度相关定义 | 第34-37页 |
| 3.2.2 P-Tree树的构造 | 第37-40页 |
| 3.2.3 P-growth挖掘算法 | 第40-43页 |
| 3.2.4 全局树的更新 | 第43-44页 |
| 3.3 实验结果与分析 | 第44-49页 |
| 3.3.1 实验环境 | 第45页 |
| 3.3.2 实验参数说明 | 第45页 |
| 3.3.3 P-growth算法与其它算法对比实验 | 第45-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 基于滑动窗口的不确定数据流TOP-K频繁项集挖掘 | 第50-64页 |
| 4.1 问题提出 | 第50页 |
| 4.2 概要数据结构及相关定义 | 第50-52页 |
| 4.3 算法描述 | 第52-57页 |
| 4.3.1 算法主要思想 | 第52-53页 |
| 4.3.2 更新滑动窗口 | 第53-54页 |
| 4.3.3 Top-K频繁M模式挖掘 | 第54-55页 |
| 4.3.4 TOPPT-Tree的剪枝 | 第55-57页 |
| 4.4 实验结果及分析 | 第57-61页 |
| 4.4.1 实验环境 | 第57页 |
| 4.4.2 参数说明 | 第57-58页 |
| 4.4.3 参数对算法性能的影响 | 第58-59页 |
| 4.4.4 TOPPT-growth算法与其他算法的实验对比 | 第59-61页 |
| 4.5 本章小结 | 第61-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 本文总结 | 第64页 |
| 5.2 工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻硕期间参与项目及发表的论文 | 第72页 |
