商业数据流降维方法及其聚类算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-20页 |
| ·研究背景 | 第10-13页 |
| ·研究目的和意义 | 第13-15页 |
| ·研究现状 | 第15-17页 |
| ·本文研究内容及组织结构 | 第17-20页 |
| 第2章 数据流降维方法及其聚类算法研究综述 | 第20-38页 |
| ·数据流降维方法研究综述 | 第20-30页 |
| ·特征选择 | 第21-22页 |
| ·特征抽取 | 第22-28页 |
| ·降维算法分析与展望 | 第28-30页 |
| ·聚类算法研究综述 | 第30-37页 |
| ·传统聚类算法 | 第30-33页 |
| ·传统聚类算法分析 | 第33-34页 |
| ·数据流聚类算法 | 第34-36页 |
| ·数据流聚类算法分析 | 第36-37页 |
| ·本章小节 | 第37-38页 |
| 第3章 基于粗集理论的数据降维方法 | 第38-53页 |
| ·引言 | 第38页 |
| ·问题描述与研究现状 | 第38-44页 |
| ·基于粗集理论的事务项压缩及降维方法 | 第44-46页 |
| ·基于粗集的事务项压缩方法 | 第44-45页 |
| ·基于相关关系的属性压缩方法 | 第45-46页 |
| ·基于粗糙等价类的商业数据预处理方法 | 第46-51页 |
| ·数据预处理 | 第46-47页 |
| ·粗糙等价类属性约简模型 | 第47-49页 |
| ·算法实例分析 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 第4章 基于密度的数据流聚类算法及其商业实例应用 | 第53-75页 |
| ·问题描述 | 第53-54页 |
| ·数据流管理模型及算法架构 | 第54-58页 |
| ·主成分和密度融合的数据流聚类模型 | 第58-61页 |
| ·主成分分析模型 | 第58-60页 |
| ·基于密度的聚类算法 | 第60-61页 |
| ·PDStream算法设计 | 第61-66页 |
| ·基本思想 | 第61-62页 |
| ·算法设计 | 第62-64页 |
| ·PDStream算法时间复杂度 | 第64页 |
| ·算法分析 | 第64-66页 |
| ·性能分析与测试 | 第66-69页 |
| ·执行时间比较 | 第67页 |
| ·聚类质量比较 | 第67-68页 |
| ·参数影响 | 第68-69页 |
| ·PDStream算法商业实例分析 | 第69-73页 |
| ·本章小结 | 第73-75页 |
| 第5章 总结与展望 | 第75-78页 |
| ·总结 | 第75-76页 |
| ·展望 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-85页 |
| 附录 | 第85-93页 |
