基于半随机多决策树模型的数据流概念漂移发现研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-15页 |
| ·KDD和数据挖掘 | 第12页 |
| ·数据挖掘的主要任务 | 第12-13页 |
| ·数据挖掘中的应用热点 | 第13-14页 |
| ·本文主要内容及组织 | 第14-15页 |
| 第二章 数据流挖掘概述 | 第15-25页 |
| ·引言 | 第15页 |
| ·数据流的基本定义及应用领域 | 第15-16页 |
| ·数据流中基于数据的技术 | 第16-17页 |
| ·数据流中基于任务的技术 | 第17-18页 |
| ·数据流挖掘算法与模型 | 第18-21页 |
| ·数据流挖掘系统 | 第21-22页 |
| ·数据流挖掘的研究问题 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 概念漂移数据流挖掘概述 | 第25-35页 |
| ·引言 | 第25页 |
| ·概念漂移的基本概念和分类 | 第25-26页 |
| ·概念漂移的定义 | 第25-26页 |
| ·概念漂移的分类 | 第26页 |
| ·概念漂移的处理方法和标准 | 第26-27页 |
| ·处理概念漂移的方法 | 第26-27页 |
| ·更新当前模型的标准 | 第27页 |
| ·概念漂移的研究进展 | 第27-29页 |
| ·处理概念漂移的理论性结论 | 第27-28页 |
| ·处理概念漂移的系统 | 第28页 |
| ·处理概念漂移的基本学习算法 | 第28-29页 |
| ·数据流概念漂移数据源问题 | 第29-30页 |
| ·数据流上的概念漂移问题研究现状 | 第30-32页 |
| ·数据流中概念漂移问题研究的关键问题与技术方案 | 第32-34页 |
| ·关键问题 | 第32-33页 |
| ·若干技术方案 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于半随机多决策树的数据流分类算法研究 | 第35-50页 |
| ·引言 | 第35-36页 |
| ·随机决策树 | 第36-37页 |
| ·半随机化决策树 SRDT模型 | 第37-40页 |
| ·模型描述 | 第37-39页 |
| ·处理方法 | 第39-40页 |
| ·半随机化多决策树数据流挖掘算法 SRMTDS | 第40-43页 |
| ·算法描述 | 第40-41页 |
| ·算法分析 | 第41-43页 |
| ·实验与性能分析 | 第43-49页 |
| ·半随机多决策树参数h_0、N分析 | 第43-46页 |
| ·性能分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 概念漂移数据流中的半随机多决策树算法研究 | 第50-61页 |
| ·引言 | 第50-51页 |
| ·数据流概念漂移分类算法 SRMTCD | 第51-54页 |
| ·算法描述 | 第51-52页 |
| ·算法处理机制 | 第52-53页 |
| ·算法分析 | 第53-54页 |
| ·实验与性能分析 | 第54-59页 |
| ·实验数据 | 第54-55页 |
| ·性能分析 | 第55-59页 |
| ·本章小结 | 第59-61页 |
| 第六章 结束语 | 第61-63页 |
| ·本文总结 | 第61页 |
| ·工作展望 | 第61-63页 |
| 参考文献 | 第63-71页 |
| 附录 研究生期间主要科研与实践工作及成果 | 第71页 |
