摘要 | 第1-4页 |
ABSTRACT | 第4-7页 |
目录 | 第7-9页 |
第1章 绪论 | 第9-21页 |
·研究背景与意义 | 第9-10页 |
·国内外研究现状 | 第10-18页 |
·数据流挖掘研究 | 第10-14页 |
·集成分类模型研究 | 第14-15页 |
·云计算研究 | 第15-18页 |
·主要研究内容及组织结构 | 第18-21页 |
第2章 数据流挖掘相关概念与技术 | 第21-42页 |
·概念漂移 | 第21-23页 |
·特征提取与选择技术 | 第23-27页 |
·PCA | 第23-25页 |
·信息增益 | 第25-27页 |
·集成分类技术 | 第27-36页 |
·基分类器生成算法 | 第27-32页 |
·成员分类器集成策略 | 第32-36页 |
·MAPREDUCE技术 | 第36-41页 |
·MapReduce编程原理 | 第36-37页 |
·MapReduce开源实现框架Hadoop | 第37-40页 |
·MapReduce容错机制 | 第40-41页 |
·本章小结 | 第41-42页 |
第3章 基于情景特征的前馈动态集成分类算法 | 第42-53页 |
·问题描述 | 第42-43页 |
·基于情景特征的前馈动态集成分类思想 | 第43-48页 |
·情景特征的提取及选择 | 第44-46页 |
·基于情景特征的前馈动态集成分类器算法 | 第46-48页 |
·测试数据和实验结果 | 第48-52页 |
·本章小结 | 第52-53页 |
第4章 基于信息熵差异性度量的增量集成分类算法 | 第53-61页 |
·问题描述 | 第53-54页 |
·基于信息熵差异性度量的增量集成分类算法 | 第54-60页 |
·分类器差异性 | 第54-56页 |
·分类器差异性度量 | 第56-58页 |
·基于信息熵差异性度量的增量集成分类模型 | 第58-59页 |
·增量选择集成算法 | 第59-60页 |
·本章小结 | 第60-61页 |
第5章 基于MAPREDUCE技术的并行集成分类算法 | 第61-72页 |
·问题描述 | 第61-62页 |
·相关理论研究 | 第62-65页 |
·集成分类理论 | 第62-64页 |
·云计算技术 | 第64-65页 |
·构建基于云计算的并行集成分类器 | 第65-67页 |
·适用于MapReduce编程模式的并行集成分类模型 | 第65-66页 |
·并行集成分类器算法 | 第66-67页 |
·实验结果 | 第67-71页 |
·本章小结 | 第71-72页 |
第6章 总结与展望 | 第72-74页 |
·总结 | 第72-73页 |
·展望 | 第73-74页 |
参考文献 | 第74-79页 |
附录1 攻读硕士学位期间发表的论文 | 第79页 |
附录2 攻读硕士学位期间参与的项目 | 第79-80页 |
致谢 | 第80-81页 |