首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

数据流频繁项挖掘及相关性分析算法的研究

摘要第3-5页
Abstract第5-6页
1 绪论第13-21页
    1.1 背景和意义第13页
    1.2 数据流挖掘领域研究热点第13-14页
    1.3 数据流挖掘技术发展概况第14-16页
    1.4 数据流频繁项挖掘及相关性分析第16-18页
    1.5 研究目标与内容第18-20页
        1.5.1 研究目标第18页
        1.5.2 研究内容第18-20页
    1.6 本文组织结构第20-21页
2 数据流挖掘相关研究现状综述第21-28页
    2.1 数据流挖掘的模型第21页
    2.2 数据流频繁项挖掘相关方法研究第21-24页
        2.2.1 基于地标模型和滑动窗口模型的数据流频繁项问题研究第22-23页
        2.2.2 基于时间延迟模型的数据流频繁项问题研究第23-24页
    2.3 数据流最热项查询相关方法研究第24-26页
        2.3.1 最大密度段问题研究第25-26页
        2.3.2 最大频率问题研究第26页
    2.4 数据流自适应的相关性分析查询相关方法研究第26-28页
        2.4.1 数据流相关性分析的度量标准的选择第26-27页
        2.4.2 数据流相关性分析方法研究第27-28页
3 延迟数据流的频繁项挖掘方法第28-51页
    3.1 问题陈述第29-30页
    3.2 数据结构Quasi-heap第30-34页
    3.3 基于Quasi-heap的Space Saving算法(SSQ)第34-35页
    3.4 基于Quasi-heap的Filtered Space Saving算法(FSSQ)第35-39页
    3.5 概要结构Count-Min-Min (CMM) Sketch第39-42页
    3.6 实验结果评估第42-50页
        3.6.1 实验设置第43-44页
        3.6.2 实验结果第44-46页
        3.6.3 Quasi-heap的有效性验证第46-47页
        3.6.4 CMM sketch的有效性验证第47-50页
    3.7 本章小结第50-51页
4 数据流最热项的查询方法第51-79页
    4.1 问题陈述第53-55页
    4.2 Best-So-Far算法第55-57页
    4.3 δ-Confined算法第57-58页
    4.4 Arrival Timestamps算法第58-65页
        4.4.1 Arrival Timestamps列表(AT-list)第58-59页
        4.4.2 基于AT-list的剪枝策略第59-62页
        4.4.3 Arrival Timestamp算法第62-65页
    4.5 算法性能分析第65-67页
        4.5.1 聚集时间戳第65-66页
        4.5.2 top-k最热项查询第66-67页
        4.5.3 δ的选择第67页
    4.6 实验结果评估第67-77页
        4.6.1 算法效率和扩展性评估第68-73页
        4.6.2 top-k扩展性能的验证第73-75页
        4.6.3 其他的补充实验第75-77页
    4.7 本章小结第77-79页
5 数据流自适应的延迟相关性分析方法第79-96页
    5.1 问题陈述第82-83页
    5.2 RLC准确性查询算法第83-87页
        5.2.1 State-of-the-art算法的改进第83-84页
        5.2.2 递增算法第84-87页
    5.3 RLC近似性查询算法第87-89页
    5.4 最小滑动窗口ω_(min)的选择第89页
    5.5 实验结果评估第89-95页
        5.5.1 实验设置第89-90页
        5.5.2 算法性能评估第90-93页
        5.5.3 算法有效性评估第93-94页
        5.5.4 近似算法的估算误差第94-95页
    5.6 本章小结第95-96页
6 总结与展望第96-99页
    6.1 总结第96-97页
    6.2 展望第97-99页
参考文献第99-111页
攻读博士学位期间主要的研究成果第111-113页
致谢第113-114页

论文共114页,点击 下载论文
上一篇:基于迁移学习的脑机融合系统的研究
下一篇:缺失数据查询处理技术研究