首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

面向数据流挖掘的集成分类模型研究

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

论文共81页,点击 下载论文
上一篇:恶化环境下带多个维修活动的调度算法研究
下一篇:融入概念相似度的计算动词决策树分类算法研究及其在期货市场的应用