| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第14-17页 |
| 1.1 引言 | 第14页 |
| 1.2 数据流研究的应用背景 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.3.1 课题来源 | 第15页 |
| 1.3.2 主要研究内容 | 第15-16页 |
| 1.4 组织框架 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 数据流分类研究概述 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 数据流分类概述 | 第17-20页 |
| 2.2.1 数据流的定义 | 第17-18页 |
| 2.2.2 数据流分类的关键问题 | 第18-19页 |
| 2.2.3 数据流分类的方法 | 第19-20页 |
| 2.2.4 数据流分类的评估标准 | 第20页 |
| 2.3 概念漂移概述 | 第20-22页 |
| 2.3.1 概念漂移的定义 | 第20-21页 |
| 2.3.2 概念漂移的处理方法 | 第21-22页 |
| 2.3.3 概念漂移检测的评估标准 | 第22页 |
| 2.4 倾斜数据流分类概述 | 第22-25页 |
| 2.4.1 倾斜数据流的定义 | 第22页 |
| 2.4.2 倾斜数据流分类的挑战 | 第22-23页 |
| 2.4.3 倾斜数据流分类的处理方法 | 第23-24页 |
| 2.4.4 倾斜数据流分类的评价标准 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于概念漂移检测的混合集成分类方法 | 第26-40页 |
| 3.1 引言 | 第26-27页 |
| 3.2 基于概念漂移检测和模型选择的集成分类方法 | 第27-33页 |
| 3.2.1 混合集成模型的构建、预测与更新 | 第28-30页 |
| 3.2.2 基于概念分布差异度的概念漂移检测机制 | 第30-32页 |
| 3.2.3 基于时间因子和概念分布差异度的基模型选择方法 | 第32-33页 |
| 3.3 实验结果与分析 | 第33-38页 |
| 3.3.1 实验数据与评价指标 | 第33-34页 |
| 3.3.2 基准方法与参数设置 | 第34-35页 |
| 3.3.3 性能分析 | 第35-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 基于距离和采样机制的数据流分类方法 | 第40-48页 |
| 4.1 引言 | 第40-41页 |
| 4.2 基于距离和采样机制的集成分类方法 | 第41-44页 |
| 4.2.1 基于距离的无标签数据正负类示例标记 | 第42-43页 |
| 4.2.2 混合集成模型的构建与更新 | 第43页 |
| 4.2.3 集成模型的预测 | 第43-44页 |
| 4.3 实验结果及分析 | 第44-47页 |
| 4.3.1 实验设置实验数据与评价指标 | 第44-45页 |
| 4.3.2 基准方法与参数设置 | 第45页 |
| 4.3.3 性能分析 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 本文总结 | 第48页 |
| 5.2 未来展望 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第56-58页 |