| 中文摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 基本概念与相关工作概述 | 第15-25页 |
| 2.1 数据流挖掘 | 第15-18页 |
| 2.1.1 数据流的定义 | 第15页 |
| 2.1.2 数据流挖掘的技术特点 | 第15-17页 |
| 2.1.3 数据流挖掘相关工作概述 | 第17-18页 |
| 2.1.4 数据流挖掘的主要应用领域 | 第18页 |
| 2.2 概念漂移检测 | 第18-24页 |
| 2.2.1 概念漂移的定义 | 第19页 |
| 2.2.2 概念漂移的分类 | 第19-21页 |
| 2.2.3 概念漂移的处理方法 | 第21页 |
| 2.2.4 概念漂移的基本问题 | 第21-22页 |
| 2.2.5 概念漂移检测相关工作概述 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于序列比对的概念漂移检测算法 | 第25-41页 |
| 3.1 CDD_BSA概念漂移检测算法 | 第25-32页 |
| 3.1.1 Needleman-Wunsch算法 | 第25-27页 |
| 3.1.2 改进的Needleman-Wunsch算法 | 第27-30页 |
| 3.1.3 滑动窗口机制 | 第30页 |
| 3.1.4 算法描述 | 第30-32页 |
| 3.1.5 算法分析 | 第32页 |
| 3.2 实验与性能分析 | 第32-38页 |
| 3.2.1 数据集说明 | 第32-34页 |
| 3.2.2 实验环境和参数说明 | 第34页 |
| 3.2.3 数据窗大小和阈值对实验结果的影响 | 第34-38页 |
| 3.2.4 本文算法与其他算法比较 | 第38页 |
| 3.3 本章小结 | 第38-41页 |
| 第四章 基于动态窗口的概念漂移检测算法 | 第41-53页 |
| 4.1 CDD_BDW概念漂移检测算法 | 第41-48页 |
| 4.1.1 Boosting算法 | 第41-43页 |
| 4.1.2 基分类器训练 | 第43-44页 |
| 4.1.3 混合集成分类器框架 | 第44-45页 |
| 4.1.4 概念漂移检测机制 | 第45-46页 |
| 4.1.5 动态滑动窗口机制 | 第46页 |
| 4.1.6 算法描述 | 第46-47页 |
| 4.1.7 算法分析 | 第47-48页 |
| 4.2 实验与性能分析 | 第48-52页 |
| 4.2.1 数据集说明 | 第48-49页 |
| 4.2.2 实验环境和参数说明 | 第49页 |
| 4.2.3 动态窗口机制对实验结果的影响 | 第49-51页 |
| 4.2.4 本文算法与其他算法比较 | 第51-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第五章 总结和展望 | 第53-55页 |
| 5.1 本文总结 | 第53页 |
| 5.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 攻读学位期间取得的研究成果 | 第61-63页 |
| 致谢 | 第63-65页 |
| 个人简况及联系方式 | 第65-69页 |