树型数据流中内置无序闭子树挖掘算法
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 1 引言 | 第8-16页 |
| ·研究背景及意义 | 第8-10页 |
| ·数据流挖掘方法研究现状 | 第10-14页 |
| ·聚类的研究现状 | 第10-11页 |
| ·分类研究现状 | 第11-12页 |
| ·频繁项挖掘研究现状 | 第12页 |
| ·异常、趋势和变化检测算法 | 第12-13页 |
| ·数据流中频繁模式挖掘现状 | 第13页 |
| ·树型数据流频繁项挖掘现状 | 第13-14页 |
| ·本文主要研究内容及成果 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 2 数据流处理技术 | 第16-23页 |
| ·数据流及其特点 | 第16-17页 |
| ·数据流挖掘面临的挑战 | 第17-18页 |
| ·数据流处理模型 | 第18-19页 |
| ·数据流基本处理技术 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 3 内置无序闭子树挖掘算法 | 第23-38页 |
| ·相关概念 | 第23-27页 |
| ·基础概念 | 第23-24页 |
| ·扩展概念 | 第24-27页 |
| ·深度线性扩展算法DFLinApri | 第27-31页 |
| ·数据结构全属向导(LTPS) | 第28-29页 |
| ·计算支持度 | 第29页 |
| ·根据MRP得到新候选子树 | 第29-31页 |
| ·广度线性扩展算法BFLinApri | 第31-37页 |
| ·数据结构部属向导(LTD) | 第32-33页 |
| ·扩展候选项extend() | 第33-35页 |
| ·合并候选项jion(D_iPCanS) | 第35-36页 |
| ·检验闭属性close() | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 实验结果及分析 | 第38-44页 |
| ·合成数据集 | 第38-41页 |
| ·真实数据集 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 5 结论 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 个人简历 在学期间发表的学术论文与研究成果 | 第49-50页 |
| 致谢 | 第50页 |
