面向数据流挖掘的分类和聚类算法研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-17页 |
| ·论文研究背景和意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状与分析 | 第13-15页 |
| ·国内外研究现状 | 第13-14页 |
| ·数据流挖掘特点与难点分析 | 第14-15页 |
| ·论文框架与研究内容 | 第15-17页 |
| 2 数据流挖掘理论基础 | 第17-35页 |
| ·数据分析基础 | 第17-22页 |
| ·数据集类型 | 第17-19页 |
| ·数据相异性度量 | 第19-22页 |
| ·基于数据的分析技术 | 第22-28页 |
| ·随机抽样 | 第22-24页 |
| ·减载(Load Shedding) | 第24-25页 |
| ·概要数据结构 | 第25-26页 |
| ·多分辨率方法 | 第26-27页 |
| ·梗概(Sketching) | 第27-28页 |
| ·聚合 | 第28页 |
| ·基于任务的分析技术 | 第28-34页 |
| ·近似算法 | 第29-31页 |
| ·算法输出粒度 | 第31页 |
| ·窗口模型 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 3 数据流挖掘算法综述 | 第35-45页 |
| ·数据流分类算法 | 第35-37页 |
| ·数据流聚类算法 | 第37-40页 |
| ·数据流频繁模式挖掘算法 | 第40-42页 |
| ·本章小结 | 第42-45页 |
| 4 两类不平衡分布数据流分类算法 | 第45-59页 |
| ·引言 | 第45-46页 |
| ·相关研究工作 | 第46-48页 |
| ·解决数据不平衡分布和概念漂移的数据流分类算法 | 第48-52页 |
| ·算法基本思想 | 第48-49页 |
| ·重新训练基分类器的数据样本选择 | 第49-50页 |
| ·不平衡分布数据集取样 | 第50-51页 |
| ·基于聚类的选择性重新训练方法 | 第51-52页 |
| ·实验及结果分析 | 第52-57页 |
| ·数据集 | 第52-53页 |
| ·实验结果评价指标 | 第53-54页 |
| ·参数设置及实验结果 | 第54-57页 |
| ·本章小结 | 第57-59页 |
| 5 基于密度网格的数据流聚类算法 | 第59-71页 |
| ·引言 | 第59-60页 |
| ·相关工作 | 第60-61页 |
| ·问题定义 | 第61-63页 |
| ·基于密度网格和PKS-tree的聚类算法 | 第63-67页 |
| ·自适应选择密度探测周期per | 第63-65页 |
| ·周期性探测和移除零散网格 | 第65-66页 |
| ·基于密度网格的聚类算法 | 第66-67页 |
| ·实验结果及算法性能评价 | 第67-69页 |
| ·聚类效果比较 | 第67页 |
| ·算法扩展性比较 | 第67-69页 |
| ·本章小结 | 第69-71页 |
| 6 结论与展望 | 第71-73页 |
| ·研究工作总结 | 第71页 |
| ·今后工作展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 作者简历 | 第77-81页 |
| 学位论文数据集 | 第81页 |
