| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-20页 |
| ·问题提出 | 第12页 |
| ·研究背景 | 第12-17页 |
| ·数据挖掘 | 第12-14页 |
| ·数据流简介 | 第14-15页 |
| ·数据流挖掘 | 第15-16页 |
| ·超市销售数据流挖掘 | 第16-17页 |
| ·国内外研究现状 | 第17-18页 |
| ·数据挖掘 | 第17页 |
| ·数据流 | 第17-18页 |
| ·数据流挖掘 | 第18页 |
| ·数据挖掘在超市中的应用 | 第18页 |
| ·本文的研究内容和结构 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第二章 数据流挖掘算法 | 第20-31页 |
| ·聚类(clustering)算法 | 第20-24页 |
| ·概述 | 第20-21页 |
| ·传统的聚类算法 | 第21-22页 |
| ·数据流聚类算法 | 第22-24页 |
| ·分类(classification)算法 | 第24-26页 |
| ·概述 | 第24页 |
| ·VFDT算法 | 第24-25页 |
| ·CVFDT算法 | 第25-26页 |
| ·频繁模式(frequent pattern)挖掘算法 | 第26-30页 |
| ·概述 | 第26页 |
| ·Apriori算法 | 第26-28页 |
| ·FP-Stream算法 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 数据流相关性分析与计算 | 第31-43页 |
| ·数据流相关性分析 | 第31-38页 |
| ·数据流中数据的类型 | 第31-32页 |
| ·数据对象之间的相关性度量 | 第32-35页 |
| ·二元数据的相似性度量 | 第35-36页 |
| ·超市中商品的相关性分析 | 第36-38页 |
| ·商品相关性算法 | 第38-40页 |
| ·实验 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于相关性的数据流聚类 | 第43-51页 |
| ·引言 | 第43-44页 |
| ·传统聚类算法的分类 | 第44页 |
| ·问题描述 | 第44-45页 |
| ·聚类算法 | 第45-49页 |
| ·聚类质量评价标准 | 第45-46页 |
| ·相异度矩阵 | 第46页 |
| ·初始聚类算法 | 第46-47页 |
| ·增量更新聚类算法 | 第47-49页 |
| ·实验 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·工作总结 | 第51页 |
| ·进一步的工作 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表论文、科研情况 | 第57页 |