移动网络聚类分析及其在数据流管理中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-16页 |
| ·本论文的研究背景、目的 | 第12-13页 |
| ·国内外的研究现状 | 第13-14页 |
| ·数据流聚类研究 | 第13-14页 |
| ·数据流管理系统研究 | 第14页 |
| ·论文的主要内容与组织结构 | 第14-16页 |
| ·论文的主要研究工作 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 第二章 数据流挖掘方法研究 | 第16-26页 |
| ·数据流概述 | 第16-18页 |
| ·数据流定义 | 第16-17页 |
| ·数据流模型 | 第17页 |
| ·数据流特征 | 第17-18页 |
| ·数据挖掘 | 第18-22页 |
| ·数据挖掘的定义 | 第18-19页 |
| ·数据挖掘的历史与研究现状 | 第19-20页 |
| ·数据挖掘的常用技术 | 第20-21页 |
| ·数据挖掘算法应用到数据流中的问题 | 第21-22页 |
| ·数据流挖掘概述 | 第22-23页 |
| ·数据流挖掘特点 | 第22页 |
| ·数据流挖掘的任务与挑战 | 第22-23页 |
| ·数据流挖掘方法 | 第23-25页 |
| ·数据流聚类研究 | 第23-24页 |
| ·数据流分类挖掘研究 | 第24页 |
| ·数据流频繁模式挖掘研究 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 数据流管理系统 | 第26-36页 |
| ·数据流应用 | 第26-27页 |
| ·事物日志分析 | 第26页 |
| ·股票行情分析 | 第26页 |
| ·网络流量分析 | 第26-27页 |
| ·传感器网络 | 第27页 |
| ·数据流管理系统(DSMS) | 第27-28页 |
| ·数据流管理系统与传统数据库系统的区别 | 第27-28页 |
| ·数据流管理系统的要求 | 第28页 |
| ·数据流管理系统模型 | 第28-33页 |
| ·数据流管理系统DSMS一般结构 | 第28-29页 |
| ·STREAM系统 | 第29-31页 |
| ·Aurora系统 | 第31-32页 |
| ·Telegraph CQ系统 | 第32-33页 |
| ·改进的DSMS模型 | 第33-34页 |
| ·模型框架 | 第33页 |
| ·模块功能介绍 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 移动网格聚类算法在数据流管理中的应用研究 | 第36-54页 |
| ·数据流主要聚类方法 | 第36-44页 |
| ·传统聚类方法 | 第36-40页 |
| ·数据流聚类的要求 | 第40-41页 |
| ·已有数据流聚类算法 | 第41-44页 |
| ·移动网格聚类算法 | 第44-49页 |
| ·相关概念 | 第44-46页 |
| ·基于移动网格与密度的数据流聚类算法过程 | 第46-47页 |
| ·算法性能分析 | 第47-48页 |
| ·实验结果 | 第48页 |
| ·MGDDS算法的优缺点分析 | 第48-49页 |
| ·基于移动网格的聚类算法在DSMS中的应用研究 | 第49-53页 |
| ·网络入侵检测对数据流聚类算法的要求 | 第49-50页 |
| ·数据的选取 | 第50页 |
| ·MGDDS算法在网络入侵检测系统中的应用 | 第50-52页 |
| ·实验结果分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| ·本文总结 | 第54-55页 |
| ·未来工作展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间的科研工作和发表论文 | 第59页 |
