声明
第一章 绪 论
1.1 研究背景与意义
1.2 数据流聚类挖掘
1.2.1 降维方法
1.2.2 静态聚类方法
1.2.3 面向数据流的动态聚类方法
1.3 论文的研究内容与创新点
1.4 论文的组织结构
第二章 面向数据流聚类分析的理论研究
2.1 基于降维窗口的主成分分析方法
2.1.1 问题分析
2.1.2 算法框架设计
2.1.3 实验分析
2.2基于KNN密度的面向数据流的高效模糊聚类算法
2.2.1 问题分析
2.2.2 FKDStream算法功能模块设计
2.2.3 FKDStream算法框架设计
2.2.4 实验分析
2.3本章小结
第三章 基于共享K最近邻冲突博弈的自适应密度聚类算法
3.1问题描述
3.2 DC-SKCG算法设计
3.3 DC-SKCG算法工作流程
3.4 实验分析
3.5 本章小结
第四章 基于K最近邻引力中心的数据流聚类算法
4.1 引言
4.2 KNNGPC算法设计
4.2.1 基于K最近邻密度的引力中心发现
4.2.2 基于K共享最近邻相似度的扩展聚类
4.2.3 KNNGPC算法
4.3 KNN-GPStream算法设计
4.3.1基于时间-空间的自适应衰减窗口
4.3.2 层次快照模型
4.3.3 KNN-GPStream算法
4.4 实验分析
4.4.1 引力中心发现能力测试
4.4.2 聚类性能测试
4.4.3 算法效率测试
4.5 基于KNN-GPStream算法的热电工业生产数据流的聚类分析
4.6 本章小结
第五章 总结与展望
5.1 本文工作总结
5.2 未来工作展望
参考文献
致谢
附录
济南大学;