| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第1章 绪论 | 第11-17页 |
| ·引言 | 第11-12页 |
| ·数据流研究进展 | 第12-14页 |
| ·数据流模型和数据流管理系统 | 第12-13页 |
| ·典型的数据流概要结构 | 第13页 |
| ·数据流上数据挖掘 | 第13-14页 |
| ·数据流特性的进一步分析及对概要结构构造的作用 | 第14-15页 |
| ·主要研究内容和本文结构 | 第15-17页 |
| ·本文主要研究内容 | 第15页 |
| ·本文主要贡献 | 第15-16页 |
| ·本文组织 | 第16-17页 |
| 第2章 分层遗忘概要结构HAS | 第17-27页 |
| ·引言 | 第17页 |
| ·数据流的HAS结构 | 第17-21页 |
| ·基本思想与记号 | 第17-19页 |
| ·从m个原始数据中提取k个数据节点 | 第19页 |
| ·数据流上HAS结构的动态维护 | 第19-21页 |
| ·滑动窗口中的HAS结构 | 第21-23页 |
| ·窗口长度为数据个数N | 第21-22页 |
| ·窗口长度为时间T | 第22-23页 |
| ·具有误差控制的HAS结构 | 第23-25页 |
| ·相关工作 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第3章 基于小波的HAS结构 | 第27-41页 |
| ·引言 | 第27页 |
| ·背景知识和相关工作 | 第27-29页 |
| ·基于Haar小波的数据压缩 | 第27-29页 |
| ·其它相关工作 | 第29页 |
| ·W-HAS基本思想 | 第29-30页 |
| ·Haar小波分解的归并 | 第30-32页 |
| ·基于sse误差度量的数据节点 | 第32-33页 |
| ·数据节点的表示 | 第32页 |
| ·数据节点的加法 | 第32-33页 |
| ·基于max_abs误差度量的数据节点 | 第33-35页 |
| ·数据节点的表示 | 第33-35页 |
| ·数据节点的加法 | 第35页 |
| ·W-HAS结构中的误差控制 | 第35-37页 |
| ·基于sse误差度量的误差控制 | 第36页 |
| ·基于max_abs误差度量的误差控制 | 第36-37页 |
| ·实验 | 第37-40页 |
| ·本章小结和进一步工作 | 第40-41页 |
| 第4章 基于加权随机抽样的HAS结构 | 第41-52页 |
| ·引言 | 第41-42页 |
| ·数据流上的随机抽样及其相关工作 | 第42-45页 |
| ·均匀随机抽样 | 第42-44页 |
| ·加权随机抽样 | 第44页 |
| ·其它相关工作 | 第44-45页 |
| ·WS-HAS的基本思想 | 第45页 |
| ·无放回加权随机抽样下的数据节点 | 第45-47页 |
| ·数据节点的表示 | 第45-46页 |
| ·数据节点的加法 | 第46-47页 |
| ·有放回加权随机抽样下的数据节点 | 第47-48页 |
| ·数据节点的表示 | 第47页 |
| ·数据节点的加法 | 第47-48页 |
| ·WS-HAS中的误差控制 | 第48-49页 |
| ·实验 | 第49-51页 |
| ·本章小结及进一步工作 | 第51-52页 |
| 第5章 基于直方图的HAS结构 | 第52-61页 |
| ·引言 | 第52-53页 |
| ·H-HAS结构的基本思想 | 第53页 |
| ·等宽直方图下的H-HAS结构的实现 | 第53-55页 |
| ·最优直方图下的H-HAS结构 | 第55-58页 |
| ·实验 | 第58-60页 |
| ·本章小结和进一步工作 | 第60-61页 |
| 第6章 基于HAS结构的并行数据流聚类 | 第61-81页 |
| ·引言 | 第61-62页 |
| ·W-HAS-clustering方法 | 第62-73页 |
| ·相关工作 | 第62-63页 |
| ·W-HAS-clustering的聚类距离计算 | 第63-64页 |
| ·数据流的规范化 | 第64-65页 |
| ·W-HAS结构中数据节点的加法 | 第65-66页 |
| ·规范化后数据流的W-HAS结构 | 第66-67页 |
| ·W-HAS-clustering聚类方法 | 第67-69页 |
| ·实验 | 第69-73页 |
| ·RP-HAS-clustering方法 | 第73-80页 |
| ·背景知识和相关工作 | 第73-75页 |
| ·RP-HAS-clustering总体思想 | 第75-76页 |
| ·RP-HAS结构中数据节点的加法 | 第76-77页 |
| ·规范化后数据流的RP-HAS结构 | 第77-78页 |
| ·RP-HAS-clustering聚类方法 | 第78-79页 |
| ·实验 | 第79-80页 |
| ·本章小结和进一步工作 | 第80-81页 |
| 第7章 高维数据流中的HAS结构 | 第81-97页 |
| ·引言 | 第81页 |
| ·HD-HAS结构的动态维护 | 第81-86页 |
| ·概念与定义 | 第82-83页 |
| ·从数据集中提取数据节点 | 第83页 |
| ·数据节点的聚类 | 第83-84页 |
| ·HD-HAS的动态维护 | 第84-86页 |
| ·基于HD-HAS结构的数据流聚类 | 第86页 |
| ·基于HD-HAS结构的数据流分类 | 第86-88页 |
| ·基于HD-HAS结构的最近邻分类 | 第86页 |
| ·基于HD-HAS结构的SVM分类 | 第86-88页 |
| ·HD-HAS结构的实现 | 第88-91页 |
| ·Γ分量为空 | 第88-89页 |
| ·Γ分量用数据平方的均值表示 | 第89-90页 |
| ·Γ=1/nsumfromx_i∈Dx_ix_i~T | 第90-91页 |
| ·实验 | 第91-96页 |
| ·MNIST数据集上的测试 | 第92-94页 |
| ·KDD-CUP'99数据集上的测试 | 第94-96页 |
| ·本章小结和进一步工作 | 第96-97页 |
| 第8章 数据流上的相似度分析 | 第97-111页 |
| ·引言 | 第97-98页 |
| ·Flajolet-Martin方法及其它相关工作 | 第98-100页 |
| ·集合相似度估算的EFM sketch方法 | 第100-103页 |
| ·EFM sketch方法的进一步讨论 | 第103-107页 |
| ·散列函数个数r的分析 | 第103-105页 |
| ·加快每个数据的处理速度 | 第105-107页 |
| ·HAS结构下数据流相似度分析 | 第107-108页 |
| ·实验 | 第108-109页 |
| ·本章小结和进一步工作 | 第109-111页 |
| 第9章 结束语 | 第111-112页 |
| 参考文献 | 第112-121页 |
| 攻读博士期间发表论文情况 | 第121-122页 |
| 致谢 | 第122-123页 |