| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·数据流挖掘的研究背景和意义 | 第7-9页 |
| ·数据流挖掘的国内外研究现状 | 第9-10页 |
| ·本文研究的主要内容 | 第10-11页 |
| 2 数据流挖掘综述 | 第11-31页 |
| ·数据挖掘的简介 | 第11-17页 |
| ·数据挖掘的定义 | 第11页 |
| ·数据挖掘的过程 | 第11-13页 |
| ·数据挖掘的任务 | 第13-15页 |
| ·数据挖掘的应用 | 第15-17页 |
| ·数据流挖掘的简述 | 第17-31页 |
| ·数据流的概念和模型 | 第17页 |
| ·数据流的特点 | 第17-18页 |
| ·数据流管理系统 | 第18-19页 |
| ·数据流挖掘模型 | 第19-20页 |
| ·流数据与静态数据的区别 | 第20-22页 |
| ·数据流的算法和常用技术 | 第22-31页 |
| 3 MFI-TransSW 算法综述 | 第31-39页 |
| ·MFI-TransSW算法简介 | 第31-32页 |
| ·MFI-TransSW 问题定义 | 第31-32页 |
| ·位序法 | 第32页 |
| ·MFI-TransSW 在线挖掘频繁项集 | 第32-39页 |
| ·位序表示频繁项 | 第33页 |
| ·MFI-TransSW的窗口初始化阶段 | 第33-34页 |
| ·MFI-TransSW的窗口滑动阶段 | 第34-35页 |
| ·MFI-TransSW的频繁项集生成阶段 | 第35-39页 |
| 4 MFI-TransSW算法在股票行情分析中的应用 | 第39-55页 |
| ·股票模式依赖挖掘的MFI-TransSW算法 | 第40-49页 |
| ·股票数据流之间的相关性计算 | 第40-43页 |
| ·条件规则的创建 | 第43-45页 |
| ·概要数据结构 | 第45-47页 |
| ·置信度和支持度的计算方法 | 第47-48页 |
| ·模式依赖挖掘算法写入数据库算法 | 第48-49页 |
| ·实例分析 | 第49-55页 |
| ·股票数据流相关性计算 | 第50-51页 |
| ·股票模式依赖预测 | 第51-55页 |
| 5 结论与展望 | 第55-57页 |
| ·结论 | 第55页 |
| ·研究的创新点 | 第55-56页 |
| ·不足与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |