第1章 绪论 1
1.1 研究背景和意义 1
1.2 研究现状 2
1.2.1 数据挖掘 2
1.2.2 数据流模式挖掘 3
1.2.3 数据流分类 5
1.2.4 数据流聚类 7
1.3 主要研究内容 8
1.4 本书结构 9
第2章 模式挖掘研究相关工作 11
2.1 相关概念 11
2.2 模式类型 13
2.2.1 闭合频繁模式 13
2.2.2 最大频繁模式 15
2.2.3 top-k频繁模式 16
2.2.4 约束频繁模式 16
2.3 数据流挖掘方法 17
2.3.1 窗口方法 17
2.3.2 衰减方法 18
2.3.3 模式增长方法 20
2.3.4 近似方法 22
2.3.5 假阳性与假阴性方法 23
2.4 算法评价准则 24
2.5 模式度量准则 24
第3章 基于时间衰减模型的闭合模式挖掘算法 26
3.1 引言 26
3.2 背景知识 27
3.2.1 闭合模式选择方法 27
3.2.2 新近事务处理方法 28
3.2.3 频繁与临界频繁闭合模式 28
3.3 基于均值衰减因子的挖掘算法 29
3.3.1 均值衰减因子研究 30
3.3.2 算法设计 31
3.3.3 实验方式及其结果分析 34
3.4 基于高斯衰减函数的挖掘算法 41
3.4.1 高斯衰减函数研究 41
3.4.2 算法设计 44
3.4.3 实验方式及其结果分析 46
3.5 本章小结 49
第4章 基于多支持度的连续闭合模式挖掘算法 51
4.1 引言 51
4.2 连续闭合模式的研究 52
4.2.1 连续闭合模式 52
4.2.2 基于多支持度的连续模式 54
4.3 算法设计 56
4.4 实验方式及其结果分析 60
4.5 本章小结 64
第5章 基于约束闭合模式的决策树分类算法 65
5.1 引言 65
5.2 背景知识 66
5.2.1 实例数据流的频繁模式 66
5.2.2 数据流分类方法 67
5.2.3 分类过程中概念漂移检测方法 71
5.3 算法设计 73
5.3.1 约束模式的研究 74
5.3.2 约束闭合模式挖掘算法 76
5.3.3 基于模式的决策树算法 78
5.4 实验方式及其结果分析 83
5.4.1 学习评估方式 83
5.4.2 实验数据 83
5.4.3 实验表现 85
5.5 案例分析 90
5.5.1 航空数据与待解决问题 90
5.5.2 数据预处理 92
5.5.3 关联规则设计与应用分析 94
5.5.4 分类结果分析 97
5.6 本章小结 102
第6章 总结与展望 103
6.1 研究工作总结 103
6.2 未来工作展望 104
参考文献 106