| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 数据流挖掘技术的研究现状 | 第11-13页 |
| 1.2.2 DSMS 研究现状 | 第13-14页 |
| 1.2.3 基于 DSMS 的数据挖掘技术的研究 | 第14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 论文的组织结构结构 | 第14-16页 |
| 第2章 相关技术介绍 | 第16-25页 |
| 2.1 数据流及数据流挖掘技术 | 第16-20页 |
| 2.1.1 数据流的特点 | 第16-17页 |
| 2.1.2 数据流模型 | 第17页 |
| 2.1.3 数据模型的分类 | 第17-20页 |
| 2.1.4 数据流挖掘技术 | 第20页 |
| 2.2 DSMS 技术研究 | 第20-25页 |
| 2.2.1 DSMS 的基本结构 | 第21-22页 |
| 2.2.2 DSMS 查询处理 | 第22-25页 |
| 第3章 在 Esper 中实现流聚类算法与流关联规则算法 | 第25-45页 |
| 3.1 Esper 系统概述 | 第25-32页 |
| 3.1.1 Esper 简介 | 第25-26页 |
| 3.1.2 ESP 与 CEP 简介 | 第26页 |
| 3.1.3 EPL 语言 | 第26-28页 |
| 3.1.4 Esper 的数据窗口 | 第28-31页 |
| 3.1.5 用户自定义函数（UDF） | 第31-32页 |
| 3.2 在 Esper 中实现数据流聚类算法 | 第32-39页 |
| 3.2.1 相关符号及定义 | 第32-33页 |
| 3.2.2 金字塔形时间框架 | 第33-34页 |
| 3.2.3 Micro-Cluster 算法 | 第34-35页 |
| 3.2.4 在 Esper 中实现数据流挖掘算法的基本方法 | 第35-37页 |
| 3.2.5 在 Esper 中实现数据流聚类算法 | 第37-39页 |
| 3.3 在 Esper 中实现数据流的关联规则算法 | 第39-45页 |
| 3.3.1 相关定义 | 第39-41页 |
| 3.3.2 数据流频繁项集挖掘方法 | 第41页 |
| 3.3.3 数据流关联规则的生成 | 第41页 |
| 3.3.4 在 Esper 中实现数据流关联规则算法 | 第41-45页 |
| 第4章 实验结果与分析 | 第45-53页 |
| 4.1 实验设计 | 第45-46页 |
| 4.1.1 在 Esper 中实现流聚类算法实验设计 | 第45-46页 |
| 4.1.2 在 Esper 中实现流关联规则实验设计 | 第46页 |
| 4.2 在 Esper 中实现流聚类算法结果分析 | 第46-49页 |
| 4.3 在 Esper 中实现流关联规则算法结果分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 结论与展望 | 第53-55页 |
| 5.1 结论 | 第53-54页 |
| 5.2 不足与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |
