文摘
英文文摘
声明
第一章引言
1.1研究背景
1.1.1数据挖掘
1.1.2聚类算法
1.1.3算法模型
1.2研究现状
1.2.1问题模型
1.2.2流数据聚类算法研究现状
1.2.3流数据聚类算法研究的目的及意义
1.3本文工作
1.4内容组织
第二章流数据挖掘
2.1流数据及其特点
2.2流数据挖掘与传统数据挖掘比较
2.2.1流数据挖掘
2.2.2流数据挖掘与传统数据挖掘过程对比
2.3流数据挖掘模型
2.3.1基于界标模型(1andmark model)的方法
2.3.2基于滑动窗口模型(sliding window model)的方法
2.4流数据聚类模型发展与应用
2.4.1 CluStream数据流聚类算法
2.4.2流数据聚类模型应用
2.5本章小结
第三章N-δ滑动窗口模型下的优化聚类算法
3.1基本理论
3.1.1数据流聚类
3.1.2聚类分析中的混合类型变量
3.2问题提出
3.3N-δ模型下的算法结构
3.3.1优化指数直方图
3.3.2优化聚类特征结构
3.3.3微簇
3.3.4聚类特征指数直方图的合并
3.3.5N-δ滑动窗口模型
3.4N-δ窗口模型下的优化聚类算法
3.4.1数据流挖掘对聚类的要求
3.4.2 OpClAlg优化算法设计
3.5本章小结
第四章算法实现
4.1算法结构
4.4.1计算分类
4.4.2 OTCF结构维护过程
4.2算法实现
4.2.1实验工具
4.2.2数据准备
4.2.3算法实现
4.3算法效率分析
4.4本章小节
第五章数据流聚类算法在电信中的应用
5.1电信背景
5.1.1电信现状
5.1.2客户分析
5.1.3商业理解
5.2应用模型设计
5.3本章小结
第六章结论与展望
6.1工作总结
6.2展望
参考文献
致谢
攻读学位期间发表的学术论文目录