时态数据流的增量聚类算法研究及其应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-23页 |
| ·选题的目的和意义 | 第9-10页 |
| ·相关概念 | 第10-15页 |
| ·数据挖掘 | 第10-11页 |
| ·时序(态)数据挖掘 | 第11-12页 |
| ·数据流 | 第12-13页 |
| ·数据流挖掘 | 第13-15页 |
| ·国内外研究现状 | 第15-19页 |
| ·数据挖掘 | 第15-16页 |
| ·时态数据挖掘 | 第16-17页 |
| ·数据流挖掘 | 第17-19页 |
| ·研究动机 | 第19-21页 |
| ·研究内容与组织结构 | 第21-23页 |
| 2 数据流聚类算法 | 第23-34页 |
| ·传统聚类算法 | 第23-30页 |
| ·划分方法 | 第23-25页 |
| ·层次方法 | 第25-26页 |
| ·基于密度的方法 | 第26-28页 |
| ·基于网格的方法 | 第28页 |
| ·基于模型的方法 | 第28-30页 |
| ·现有的数据流聚类算法 | 第30-34页 |
| 3 时态数据流 | 第34-41页 |
| ·时态数据 | 第34-39页 |
| ·时间模型 | 第34-35页 |
| ·时态型与时间粒度概念的性质 | 第35-38页 |
| ·时态型的连续性 | 第38-39页 |
| ·时态数据流 | 第39-41页 |
| 4 时态数据流的增量聚类算法 | 第41-53页 |
| ·问题描述及其相关概念 | 第41-43页 |
| ·算法框架及其描述 | 第43-51页 |
| ·聚类初始化阶段 | 第43-49页 |
| ·增量聚类阶段 | 第49-51页 |
| ·算法的性能分析 | 第51-53页 |
| ·理论分析 | 第51-52页 |
| ·实际分析 | 第52-53页 |
| 5 股票数据上的应用 | 第53-66页 |
| ·概述 | 第53-54页 |
| ·数据采集、表示和预处理 | 第54-59页 |
| ·数据采集 | 第54-55页 |
| ·数据表示 | 第55-57页 |
| ·数据预处理 | 第57-59页 |
| ·实验结果与分析 | 第59-64页 |
| ·小结 | 第64-66页 |
| 6 结论与展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间主要科研成果 | 第72页 |
