| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景和意义 | 第11-13页 |
| ·数据流挖掘 | 第11-12页 |
| ·PU（Positive and Unlabeled）学习 | 第12页 |
| ·PU 数据流挖掘 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·国内研究现状 | 第13页 |
| ·国外研究现状 | 第13-14页 |
| ·研究内容 | 第14-15页 |
| ·论文组织结构 | 第15-16页 |
| 第二章 领域相关工作研究 | 第16-25页 |
| ·PU 学习算法 | 第16-19页 |
| ·基于决策树的PU 学习算法（POSC4.5） | 第16-18页 |
| ·基于“两步走”策略的PU 学习算法 | 第18-19页 |
| ·集成学习相关技术 | 第19-21页 |
| ·静态数据集的装袋技术 | 第19-20页 |
| ·在线装袋（Online Bagging）技术 | 第20-21页 |
| ·数据流挖掘算法 | 第21-23页 |
| ·数据流分类 | 第21-22页 |
| ·数据流聚类 | 第22-23页 |
| ·数据流挖掘集成算法 | 第23页 |
| ·PU 场景下数据流挖掘研究 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 不含概念漂移的PU 数据流分类研究 | 第25-45页 |
| ·PU 数据流信息增益计算 | 第25-26页 |
| ·构建PUVFDT | 第26-30页 |
| ·树的选择 | 第30-31页 |
| ·实验结果及分析 | 第31-44页 |
| ·实验数据集构造 | 第31-33页 |
| ·实验评价指标 | 第33页 |
| ·实验分析 | 第33-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 PUVFDT 性能优化方法研究 | 第45-58页 |
| ·PUVFDT 语义稳定性分析初探 | 第45-49页 |
| ·集成PUVFDT | 第49-53页 |
| ·实验结果及分析 | 第53-57页 |
| ·人工数据集 | 第53-56页 |
| ·真实数据集 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |