基于数据流的相关挖掘方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·本文的研究背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·数据流最大频繁模式挖掘国内外研究现状 | 第9-11页 |
| ·数据流聚类分析国内外研究现状 | 第11页 |
| ·本文的研究内容及组织结构 | 第11-13页 |
| 2 数据流下的关联规则挖掘研究 | 第13-22页 |
| ·数据流概述 | 第13-14页 |
| ·数据流模型 | 第13页 |
| ·数据流处理模型 | 第13-14页 |
| ·关联规则挖掘概述 | 第14-16页 |
| ·关联规则挖掘相关概念 | 第15页 |
| ·关联规则的挖掘步骤 | 第15-16页 |
| ·数据流下的关联规则挖掘 | 第16页 |
| ·数据流下的频繁模式挖掘 | 第16-19页 |
| ·基本概念 | 第16-17页 |
| ·窗口模型 | 第17-18页 |
| ·挖掘目标与内容 | 第18-19页 |
| ·经典算法分析 | 第19-21页 |
| ·FP-stream算法 | 第19-20页 |
| ·Lossy Counting算法 | 第20-21页 |
| ·estDec算法 | 第21页 |
| ·本章小结 | 第21-22页 |
| 3 数据流下的聚类分析研究 | 第22-27页 |
| ·聚类的基本概念 | 第22页 |
| ·传统的聚类分析技术 | 第22-25页 |
| ·聚类算法的分类 | 第22-23页 |
| ·聚类分析的要求 | 第23-25页 |
| ·数据流环境下的聚类算法 | 第25-26页 |
| ·对数据流聚类的新要求 | 第25页 |
| ·数据流聚类经典算法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 4 数据流下的最大频繁模式挖掘算法 | 第27-38页 |
| ·问题描述 | 第27-30页 |
| ·基于事务个数的衰减滑动窗口模型 | 第27-28页 |
| ·最大频繁模式树 | 第28-30页 |
| ·数据流最大频繁模式挖掘 | 第30-34页 |
| ·挖掘时的控制策略 | 第30-33页 |
| ·挖掘时的基本思想 | 第33页 |
| ·算法 | 第33-34页 |
| ·算法测试与分析 | 第34-37页 |
| ·性能对比测试 | 第34-36页 |
| ·扩展性测试 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 5 基于密度网格的数据流聚类算法 | 第38-48页 |
| ·基本概念 | 第38-40页 |
| ·时间模型 | 第40-42页 |
| ·金字塔时间模型 | 第40-41页 |
| ·改进的金字塔时间模型 | 第41-42页 |
| ·动态划分网格 | 第42-43页 |
| ·算法的描述与总体框架 | 第43-45页 |
| ·在线处理过程 | 第44-45页 |
| ·离线处理过程 | 第45页 |
| ·算法性能测试与分析 | 第45-47页 |
| ·算法精确性测试 | 第45-46页 |
| ·算法时间复杂度测试 | 第46-47页 |
| ·维数对算法时间复杂度的影响 | 第47页 |
| ·本章小结 | 第47-48页 |
| 6 总结与展望 | 第48-50页 |
| ·本文总结 | 第48-49页 |
| ·对未来工作的展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 附录 | 第56页 |
