| 摘要 | 第1-14页 |
| ABSTRACT | 第14-16页 |
| 第一章 绪论 | 第16-32页 |
| ·数据挖掘技术简介 | 第16-21页 |
| ·数据挖掘技术的由来 | 第16页 |
| ·数据挖掘的定义和任务 | 第16-18页 |
| ·数据挖掘的过程 | 第18-19页 |
| ·数据挖掘的研究历史及研究前沿 | 第19-21页 |
| ·数据流挖掘的兴起 | 第21-22页 |
| ·数据流挖掘中的分类技术 | 第22-27页 |
| ·分类技术基础 | 第23-25页 |
| ·增量式学习方法 | 第25-27页 |
| ·数据流挖掘分类技术面临的挑战 | 第27-29页 |
| ·论文的工作与结构 | 第29-32页 |
| ·论文的工作 | 第29页 |
| ·论文的组织结构 | 第29-32页 |
| 第二章 数据流挖掘分类技术的相关研究 | 第32-49页 |
| ·数据流稳态分布的分类方法 | 第32-37页 |
| ·VFDT | 第32-33页 |
| ·VFDTc | 第33-34页 |
| ·NIPDT | 第34-36页 |
| ·IFDT | 第36-37页 |
| ·数据流带概念漂移的分类方法 | 第37-41页 |
| ·FLORA框架 | 第37-38页 |
| ·CVFDT | 第38-39页 |
| ·离线 C4.5 | 第39页 |
| ·CD3 | 第39页 |
| ·ILIN | 第39-40页 |
| ·组合分类器方法 | 第40-41页 |
| ·模糊决策树相关研究 | 第41-48页 |
| ·决策树算法 | 第41-42页 |
| ·模糊决策树预备知识 | 第42-43页 |
| ·模糊决策树分类器的优缺点 | 第43-44页 |
| ·模糊决策树的若干关键技术 | 第44-48页 |
| ·小结 | 第48-49页 |
| 第三章 基于排序二叉树的连续属性处理算法VFDTb | 第49-69页 |
| ·引言 | 第49-50页 |
| ·相关知识 | 第50-63页 |
| ·可伸缩学习算法框架 | 第51-58页 |
| ·属性选择测度 | 第58-59页 |
| ·连续属性处理 | 第59-60页 |
| ·划分节点计算 | 第60页 |
| ·VFDT分类算法 | 第60-62页 |
| ·排序二叉树 | 第62-63页 |
| ·技术细节 | 第63-65页 |
| ·VFDTb框架 | 第63页 |
| ·新样本到达时BST结构的更新 | 第63-65页 |
| ·连续属性最佳划分节点的选取 | 第65页 |
| ·VFDTb离散属性的处理 | 第65页 |
| ·实验验证与比较 | 第65-68页 |
| ·小结 | 第68-69页 |
| 第四章 一种基于线索化二叉排序树的决策树分类新算法 | 第69-80页 |
| ·引言 | 第69页 |
| ·相关工作 | 第69-74页 |
| ·线索化二叉排序树 | 第69-70页 |
| ·VFDTc | 第70-73页 |
| ·排序数组处理连续属性 | 第73-74页 |
| ·VFDTt设计与技术细节 | 第74-78页 |
| ·线索化二叉排序树结构 | 第74页 |
| ·连续属性的样本动态插入过程 | 第74-75页 |
| ·连续属性的属性树线索化过程 | 第75-76页 |
| ·最佳划分节点的选取过程 | 第76-78页 |
| ·理论分析与实验验证 | 第78-79页 |
| ·执行时间比较 | 第78页 |
| ·分类错误率及决策树大小比较 | 第78-79页 |
| ·小结 | 第79-80页 |
| 第五章 一种高效的数据流挖掘增量模糊决策树算法 | 第80-92页 |
| ·引言 | 第80-81页 |
| ·相关知识 | 第81-85页 |
| ·模糊理论 | 第81页 |
| ·决策树构造中的连续属性处理 | 第81页 |
| ·传统决策树和模糊决策树 | 第81-83页 |
| ·基于连续属性平滑离散化的决策树生成过程 | 第83-85页 |
| ·IFVFDT框架与技术细节 | 第85-88页 |
| ·IFVFDT框架结构 | 第85-86页 |
| ·属性树结点数据结构 | 第86页 |
| ·新样本到达时的属性树更新过程 | 第86-87页 |
| ·新样本到达时的属性树线索化过程 | 第87页 |
| ·连续属性的最佳划分节点选取过程 | 第87-88页 |
| ·新样本分类过程 | 第88页 |
| ·实验结果 | 第88-90页 |
| ·执行时间比较 | 第89页 |
| ·分类错误率比较 | 第89-90页 |
| ·决策树大小比较 | 第90页 |
| ·小结 | 第90-92页 |
| 第六章 一种基于扩展哈希表的高效概念漂移处理算法 | 第92-105页 |
| ·引言 | 第92-93页 |
| ·相关知识 | 第93-97页 |
| ·概念漂移定义 | 第93-95页 |
| ·概念漂移的分类 | 第95页 |
| ·处理概念漂移的系统 | 第95-96页 |
| ·CVFDT | 第96-97页 |
| ·HashCVFDT技术细节 | 第97-101页 |
| ·扩展哈希表结构 | 第97-98页 |
| ·样本进入训练窗体时的扩展哈希表插入过程 | 第98-100页 |
| ·样本流出训练窗体时的扩展哈希表删除过程 | 第100页 |
| ·最佳划分节点的选取过程 | 第100-101页 |
| ·实验结果 | 第101-103页 |
| ·算法对连续属性处理的有效性 | 第101-102页 |
| ·噪声数据对算法的影响 | 第102-103页 |
| ·连续属性数目对算法的影响 | 第103页 |
| ·小结 | 第103-105页 |
| 第七章 结束语 | 第105-109页 |
| ·工作总结 | 第105-107页 |
| ·工作展望 | 第107-109页 |
| 致谢 | 第109-111页 |
| 攻读博士学位期间发表的论文 | 第111-113页 |
| 攻读博士学位期间参加的科研工作 | 第113-114页 |
| 参考文献 | 第114-122页 |