基于显露模式的流数据集成加权分类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 插图索引 | 第8-9页 |
| 附表索引 | 第9-10页 |
| 第1章 绪论 | 第10-15页 |
| ·数据挖掘概述 | 第10-11页 |
| ·研究动机 | 第11-13页 |
| ·本文研究内容及组织结构 | 第13-15页 |
| 第2章 流数据概述 | 第15-21页 |
| ·什么是流数据 | 第15-16页 |
| ·概念漂移问题 | 第16-17页 |
| ·滑动窗口技术 | 第17-18页 |
| ·流数据挖掘算法的特点 | 第18-20页 |
| ·小结 | 第20-21页 |
| 第3章 流数据分类 | 第21-33页 |
| ·分类概述 | 第21-23页 |
| ·流数据分类方法应解决的问题 | 第23-25页 |
| ·现有流数据分类技术 | 第25-32页 |
| ·不能处理概念漂移的流数据分类方法 | 第25-27页 |
| ·隐藏概念漂移的单分类器算法 | 第27-29页 |
| ·隐藏概念漂移的随机决策树分类算法 | 第29-30页 |
| ·隐藏概念漂移的集成分类算法 | 第30-32页 |
| ·小结 | 第32-33页 |
| 第4章 基于显露模式的流数据集成加权分类算法 | 第33-48页 |
| ·相关定义以及 eEPs 的优势 | 第33-35页 |
| ·相关定义 | 第33-35页 |
| ·eEPs 的优势 | 第35页 |
| ·算法的基本思想 | 第35-36页 |
| ·基于 eEPs 构造基分类器 | 第36-40页 |
| ·最小支持度阈值和最小增长率阈值 | 第37-38页 |
| ·eEPs 的挖掘 | 第38-39页 |
| ·eEPs 权值自适应 | 第39-40页 |
| ·基分类器的构造 | 第40页 |
| ·基分类器的加权 | 第40-41页 |
| ·流数据集成加权分类算法的生成 | 第41-43页 |
| ·基于集成加权分类算法进行分类 | 第43-46页 |
| ·基于基分类器进行分类 | 第43-45页 |
| ·基于集成分类器进行分类 | 第45-46页 |
| ·小结 | 第46-48页 |
| 第5章 实验与相关分析 | 第48-54页 |
| ·实验环境与数据集 | 第48-49页 |
| ·实验结果与相关分析 | 第49-53页 |
| ·小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
