数据流频繁模式挖掘关键算法及其仿真应用研究
| 摘要 | 第1-14页 |
| ABSTRACT | 第14-17页 |
| 第一章 绪论 | 第17-31页 |
| ·课题研究背景 | 第17-24页 |
| ·数据流技术的兴起 | 第17-20页 |
| ·仿真对数据流技术的需求 | 第20-21页 |
| ·数据流频繁模式挖掘 | 第21-23页 |
| ·数据流频繁模式挖掘面临的挑战 | 第23-24页 |
| ·课题研究内容 | 第24-27页 |
| ·课题来源 | 第24页 |
| ·课题研究重点 | 第24-26页 |
| ·课题研究难点 | 第26-27页 |
| ·论文的主要工作和创新 | 第27-28页 |
| ·论文的组织结构 | 第28-31页 |
| 第二章 频繁模式挖掘的相关研究 | 第31-47页 |
| ·数据流频繁模式挖掘算法的研究现状 | 第31-40页 |
| ·根据挖掘内容分类 | 第31-36页 |
| ·根据窗口模型分类 | 第36-38页 |
| ·根据是否近似算法分类 | 第38-39页 |
| ·设计立方体 | 第39-40页 |
| ·基于频繁模式的其它数据流算法 | 第40页 |
| ·基于树搜索方式的频繁模式挖掘 | 第40-43页 |
| ·搜索空间树 | 第40-41页 |
| ·搜索方式 | 第41-43页 |
| ·剪枝技术 | 第43页 |
| ·项集频率计数的主要数据结构 | 第43-45页 |
| ·位图 | 第43-44页 |
| ·前缀树 | 第44页 |
| ·出现传递列表 | 第44-45页 |
| ·小结 | 第45-47页 |
| 第三章 挖掘数据流中的最大频繁项集 | 第47-71页 |
| ·引言 | 第47-48页 |
| ·相关知识 | 第48-52页 |
| ·最大频繁项集挖掘基础 | 第48-50页 |
| ·相关研究 | 第50-52页 |
| ·子集等价剪枝技术 | 第52-56页 |
| ·已有剪枝技术综述 | 第52-54页 |
| ·子集等价剪枝技术的描述 | 第54-55页 |
| ·子集等价剪枝技术的优化和实现 | 第55-56页 |
| ·最大频繁项集单遍挖掘算法FPMFI-DS | 第56-61页 |
| ·文法顺序FP-Tree | 第56-58页 |
| ·项顺序策略和剪枝技术 | 第58-59页 |
| ·FPMFI-DS 算法的伪代码 | 第59-61页 |
| ·最大频繁项集在线更新挖掘算法FPMFI-DS+ | 第61-65页 |
| ·添加事务 | 第61-64页 |
| ·删除事务 | 第64-65页 |
| ·实验评测 | 第65-69页 |
| ·子集等价剪枝的性能 | 第65-66页 |
| ·FPMFI-DS 算法的性能 | 第66-68页 |
| ·FPMFI-DS+算法的性能 | 第68-69页 |
| ·小结 | 第69-71页 |
| 第四章 挖掘数据流中的频繁闭项集 | 第71-89页 |
| ·引言 | 第71-72页 |
| ·相关研究 | 第72-74页 |
| ·FPCFI-DS 算法 | 第74-83页 |
| ·主要数据结构 | 第74-77页 |
| ·构建GCT | 第77-80页 |
| ·删除过期事务 | 第80-82页 |
| ·添加新事务 | 第82-83页 |
| ·实验评测 | 第83-86页 |
| ·性能比较 | 第83页 |
| ·性能分析 | 第83-86页 |
| ·小结 | 第86-89页 |
| 第五章 挖掘数据流中的Top-K 最频繁项集 | 第89-111页 |
| ·Top-K 模式的类型 | 第89-92页 |
| ·基于混合搜索的Top-K 最频繁项集挖掘 | 第92-99页 |
| ·问题的提出 | 第92页 |
| ·相关研究 | 第92-93页 |
| ·基本思想 | 第93-94页 |
| ·算法描述 | 第94-97页 |
| ·实验评测 | 第97-99页 |
| ·挖掘数据流中的Top-K 最频繁项集 | 第99-109页 |
| ·问题的提出 | 第99-100页 |
| ·相关研究 | 第100-104页 |
| ·MTKFP-DS 算法 | 第104-107页 |
| ·实验评测 | 第107-109页 |
| ·小结 | 第109-111页 |
| 第六章 基于频繁模式的数据流分类和聚类 | 第111-135页 |
| ·基于频繁闭项集的数据流分类 | 第111-126页 |
| ·问题的提出 | 第111-112页 |
| ·相关知识 | 第112-115页 |
| ·CBC-DS 算法 | 第115-123页 |
| ·实验评测 | 第123-126页 |
| ·基于Top-K 频繁模式的高维数据流聚类 | 第126-134页 |
| ·问题的提出 | 第126-127页 |
| ·基本概念 | 第127-128页 |
| ·高维数据的映射 | 第128-129页 |
| ·高密单元格的挖掘 | 第129-132页 |
| ·高密单元格的聚类 | 第132-133页 |
| ·实验评测 | 第133-134页 |
| ·小结 | 第134-135页 |
| 第七章 数据流挖掘技术在仿真中的应用 | 第135-149页 |
| ·引言 | 第135-136页 |
| ·基于数据挖掘的仿真执行周期 | 第136-138页 |
| ·基于传统数据挖掘技术的仿真执行周期 | 第136-137页 |
| ·基于数据流挖掘技术的仿真执行周期 | 第137-138页 |
| ·基于数据流挖掘的仿真应用框架 | 第138-139页 |
| ·数据流挖掘算法的重用 | 第139-142页 |
| ·数据流挖掘算法资源库 | 第139-140页 |
| ·数据流挖掘构件 | 第140-141页 |
| ·通用数据流挖掘成员 | 第141-142页 |
| ·应用举例 | 第142-148页 |
| ·系统描述 | 第143-144页 |
| ·数据获取 | 第144-145页 |
| ·数据预处理 | 第145-147页 |
| ·关联规则挖掘 | 第147-148页 |
| ·小结 | 第148-149页 |
| 第八章 结束语 | 第149-153页 |
| ·工作总结 | 第149-151页 |
| ·工作展望 | 第151-153页 |
| 致谢 | 第153-155页 |
| 攻读博士学位期间发表的论文 | 第155-157页 |
| 攻读博士学位期间参加的主要科研工作 | 第157-159页 |
| 参考文献 | 第159-171页 |
