本书首先分析、总结了现有的持续数据挖掘研究中涉及的主要思路、模型和体系结构，然后分类讨论时态序列分析的主要方法和技术，涉及相似性度量、序列抽象表示和搜索，以及挖掘任务和算法操作，研究了高阶数据挖掘的方法和技术。

第1章 绪论

1.1 研究背景

1.2 研究内容及其目标

1.3 本书的基本框架

参考文献

第2章 持续数据挖掘及其支持技术

2.1 经典数据挖掘过程

2.2 数据和规则的动态演化问题

2.3 持续数据挖掘的模型和架构

2.4 规则变化监测与增量挖掘方法

2.5 已有知识与挖掘过程的融合

2.6 小结

参考文献

第3章 时态数据挖掘技术

3.1 时态数据挖掘任务

3.2 序列距离度量

3.3 序列表示和搜索

3.4 挖掘任务

3.5 增量挖掘与高阶数据挖掘

3.6 未来研究方向

3.7 小结

参考文献

第4章 时态数据挖掘的形式化

4.1 引言

4.2 时态数据挖掘问题

4.3 时态数据挖掘的形式化

4.4 分段有限模型

4.5 高阶数据挖掘

4.6 小结

参考文献

第5章 基于信息扩散原理的度量值估计

5.1 引言

5.2 模糊信息与信息扩散原理

5.3 度量值的参数估计

5.4 实验与讨论

5.5 小结

参考文献

第6章 持续时态数据挖掘的体系结构

6.1 引言

6.2 C-DM过程模型

6.3 C-DM体系结构

6.4 本体服务机制

6.5 原型实验

6.6 规则分类评价

6.7 小结

参考文献

第7章 数据仓库中的元数据管理

7.1 研究背景

7.2 数据仓库中的元数据管理

7.3 元数据管理标准

7.4 元数据管理体系结构

7.5 元数据管理特性

7.6 萄用元数据管理系统

7.7 小结

参考文献

第8章 轻量级本体存储库系统

8.1 引言

8.2 存取和操纵本体的需求

8.3 本体存储库的体系结构

8.4 本体存储库元模型

8.5 轻量级本体存储库的实现

8.6 小结

参考文献

第9章 基于CWM的实时分布元数据管理

9.1 引言

9.2 元数据管理的需求

9.3 公共仓库元模型

9.4 实时分布元数据管理体系结构

9.5 基于模型管理的实现描述

9.6 实验与讨论

9.7 小结

参考文献

第10章 总结与展望