基于下界的数据流频繁项挖掘算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 数据流挖掘方法 | 第10-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-14页 |
| 2 相关研究概述 | 第14-32页 |
| 2.1 数据流 | 第14-15页 |
| 2.2 数据流挖掘 | 第15-24页 |
| 2.2.1 聚类 | 第17-18页 |
| 2.2.2 分类 | 第18-20页 |
| 2.2.3 时间序列分析 | 第20-21页 |
| 2.2.4 频数统计 | 第21-24页 |
| 2.3 频繁项问题 | 第24-26页 |
| 2.4 基于计数的数据流频繁项挖掘 | 第26-31页 |
| 2.4.1 Frequent算法概述 | 第27-28页 |
| 2.4.2 Space Saving算法概述 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 基于下界的数据流频繁项挖掘方法 | 第32-39页 |
| 3.1 研究动机 | 第32页 |
| 3.2 算法原理 | 第32-34页 |
| 3.3 Optimized算法 | 第34-37页 |
| 3.3.1 算法描述 | 第34-36页 |
| 3.3.2 算法误差分析 | 第36-37页 |
| 3.4 本章小结 | 第37-39页 |
| 4 二路归并并行Optimized算法 | 第39-45页 |
| 4.1 并行策略 | 第39-40页 |
| 4.2 算法描述 | 第40-43页 |
| 4.3 本章小结 | 第43-45页 |
| 5 实验验证分析 | 第45-50页 |
| 5.1 实验环境和度量指标 | 第45页 |
| 5.2 串行仿真实验 | 第45-46页 |
| 5.3 串行真实数据实验 | 第46-48页 |
| 5.4 并行算法实验 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-52页 |
| 6.1 本文总结 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 附录 攻读学位期间参加的科研工作及成果 | 第56-57页 |
| 致谢 | 第57-58页 |
