非平稳数据流的概念漂移检测及其分类
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-21页 |
| ·研究背景和意义 | 第10-11页 |
| ·数据流与数据挖掘 | 第11-14页 |
| ·数据流概念及其非平稳性 | 第12页 |
| ·数据挖掘与数据流挖掘 | 第12-14页 |
| ·数据流分类及面临的挑战 | 第14-19页 |
| ·问题描述 | 第14-15页 |
| ·静态分类与动态数据流分类 | 第15-17页 |
| ·面临的挑战 | 第17-19页 |
| ·论文的工作与组织 | 第19-21页 |
| ·论文的工作 | 第19页 |
| ·论文的组织结构 | 第19-21页 |
| 2 概念漂移检测与数据流分类的研究现状 | 第21-44页 |
| ·相关概念及原理 | 第21-25页 |
| ·概念漂移概念 | 第21-22页 |
| ·概念漂移的原因及类型 | 第22-24页 |
| ·研究的必要性 | 第24页 |
| ·概念漂移与数据流分类 | 第24-25页 |
| ·概念漂移处理与检测的相关研究 | 第25-35页 |
| ·消极处理概念漂移 | 第25-30页 |
| ·积极检测概念漂移 | 第30-34页 |
| ·存在的问题 | 第34-35页 |
| ·数据流分类的相关研究 | 第35-40页 |
| ·单分类器学习 | 第35-36页 |
| ·集成分类器学习 | 第36-39页 |
| ·存在的问题 | 第39-40页 |
| ·本文研究的突破点 | 第40-42页 |
| ·数据的可交换性 | 第40-41页 |
| ·鞅理论 | 第41-42页 |
| ·特征漂移替代概念漂移 | 第42页 |
| ·本章小结 | 第42-44页 |
| 3 基于鞅的数据流概念漂移检测方法 | 第44-58页 |
| ·相关概念及原理 | 第44-46页 |
| ·问题描述 | 第44页 |
| ·基于鞅的概念漂移检测原理 | 第44-45页 |
| ·检测窗口 | 第45-46页 |
| ·概念漂移检测方法CDDBM | 第46-50页 |
| ·相关参数 | 第46-47页 |
| ·相异度量 | 第47-48页 |
| ·统计转化器 | 第48页 |
| ·随机幂鞅 | 第48-49页 |
| ·CDDBM鲁棒性和时间复杂度分析 | 第49-50页 |
| ·实验结果及分析 | 第50-56页 |
| ·数据集描述 | 第50-51页 |
| ·实验结果度量标准 | 第51页 |
| ·实验结果及分析 | 第51-56页 |
| ·本章小结 | 第56-58页 |
| 4 基于特征漂移的数据流集成分类方法 | 第58-71页 |
| ·相关概念及原理 | 第58-61页 |
| ·问题描述 | 第58页 |
| ·概念定义 | 第58-59页 |
| ·特征选择原理 | 第59-60页 |
| ·特征漂移与概念漂移 | 第60-61页 |
| ·特征选择与ECFD算法 | 第61-65页 |
| ·特征选择技术UFF | 第61-62页 |
| ·ECFD算法 | 第62-64页 |
| ·算法性能分析与比较 | 第64-65页 |
| ·实验分析 | 第65-70页 |
| ·数据集描述 | 第66页 |
| ·结果与分析 | 第66-70页 |
| ·本章小结 | 第70-71页 |
| 5 总结与展望 | 第71-74页 |
| ·论文工作总结 | 第71-72页 |
| ·未来工作展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间发表的学术论文与研究成果 | 第79页 |
