| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 代价敏感分类学习的研究现状 | 第10-11页 |
| 1.2.2 数据流分类的研究现状 | 第11-12页 |
| 1.2.3 数据流中代价敏感分类算法的研究现状 | 第12页 |
| 1.3 攻读硕士期间主要工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 分类概述和代价敏感分类学习的研究 | 第14-20页 |
| 2.1 分类的相关概述 | 第14-16页 |
| 2.1.1 分类的基本概念 | 第14页 |
| 2.1.2 分类算法概述 | 第14-16页 |
| 2.2 代价敏感分类技术 | 第16-20页 |
| 2.2.1 代价类型 | 第16-17页 |
| 2.2.2 代价敏感分类算法 | 第17-20页 |
| 第三章 数据流中分类算法的研究 | 第20-28页 |
| 3.1 数据流挖掘概述 | 第20-21页 |
| 3.2 现有的数据流分类算法 | 第21-28页 |
| 3.2.1 数据流单分类模型算法 | 第21-24页 |
| 3.2.2 数据流组合分类模型算法 | 第24-28页 |
| 第四章 数据流中代价敏感分类算法的研究 | 第28-39页 |
| 4.1 数据流中代价敏感分类算法的理论基础 | 第28-33页 |
| 4.2 数据流中代价敏感分类算法 | 第33-39页 |
| 4.2.1 CsGDT算法 | 第33-34页 |
| 4.2.2 Soft-CsGDT算法 | 第34-39页 |
| 第五章 算法的实现及性能分析 | 第39-49页 |
| 5.1 实验平台简介 | 第39-40页 |
| 5.2 合成数据 | 第40-44页 |
| 5.2.1 构造合成的数据流 | 第40-41页 |
| 5.2.2 C4.5CS_mc与CsGDT算法的对比分析 | 第41页 |
| 5.2.3 Soft-CsGDT算法的参数分析 | 第41-42页 |
| 5.2.4 CsGDT与Soft-CsGDT算法的对比分析 | 第42-43页 |
| 5.2.5 算法运行时间和最终决策树大小 | 第43-44页 |
| 5.3 现实数据 | 第44-49页 |
| 5.3.1 网络入侵检测系统的设计 | 第45-46页 |
| 5.3.2 数据集的预处理 | 第46-47页 |
| 5.3.3 实验结果 | 第47-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 6.1 总结 | 第49页 |
| 6.2 展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表的学术论文 | 第56页 |