文摘
英文文摘
致谢
第一章绪论
1.1研究背景和意义
1.2数据流及其特点
1.3数据流模式发现面临的挑战
1.4数据流挖掘方法的研究现状
1.4.1数据流模型研究
1.4.2数据流基本处理技术研究
1.4.3数据流挖掘算法研究
1.4.4数据流挖掘系统研究
1.5本文主要研究内容
1.6本文主要研究成果
1.7本文组织结构
1.8本章小结
第二章数据流的实时趋势分析算法
2.1引言
2.2问题描述
2.3增量式数据流实时趋势分析方法
2.3.1递推最小二乘回归建模
2.3.2广义似然比分割点检测
2.3.3数据流趋势分析算法及特性分析
2.4仿真实验
2.4.1测试数据集
2.4.2实际数据集
2.5本章小结
第三章一种数据流模式变化的鲁棒检测算法研究
3.1引言
3.2问题描述
3.3支持向量数据描述
3.4动态支持向量数据描述
3.4.1保温增量计算
3.4.2减量计算
3.5鲁棒数据流模式变化检测算法
3.5.1相似性指数计算
3.5.2数据流模式变化鲁棒检测算法
3.5.3算法分析
3.6仿真实验
3.6.1人工数据集仿真
3.6.2实际数据仿真
3.7本章小结
第四章基于偏向最近动态最小二乘支持向量回归的数据流离群点检测算法
4.1引言
4.2支持向量回归基本概念
4.2.1支持向量回归SVR[162]
4.2.2最小二乘支持向量回归LS-SVR[163]
4.3偏向最近动态最小二乘支持向量回归RBDLS-SVR
4.3.1动态最小二乘支持向量回归DLS-SVR
4.3.2偏向最近动态最小二乘支持向量回归RBDLS-SVR
4.4基于RBDLS-SVR的数据流离群点检测算法
4.5仿真实验
4.5.1人工合成数据仿真实验
4.5.2实际数据仿真实验
4.6本章小结
第五章一种数据流偏向最近聚类分析算法
5.1引言
5.2问题描述
5.3数据流预处理及更新
5.3.1数据流和滑动窗口
5.3.2数据流标称化
5.3.3离散小波变换
5.3.4倾斜时间窗口Haar小波变换特征提取
5.4数据流偏向最近聚类分析算法
5.4.1距离等价度量模型
5.4.2数据流偏向最近增量k-means聚类算法
5.4.3算法分析
5.5仿真实验
5.5.1倾斜时间窗口Haar小波数据约简评价
5.5.2偏向最近距离评价实验
5.5.3聚类算法评价实验
5.6本章小结
第六章数据流模式发现在钢铁生产过程的应用
6.1引言
6.2用于连铸生产质量监控的数据流离群点清理和缺失值处理
6.3用于连铸生产漏钢预报的数据流模式突变检测
6.4本章小结
第七章工作总结与研究展望
7.1研究工作总结
7.2研究展望
7.3本章小结
参考文献
攻读博士学位期间发表论文和参与的科研项目