基于知识整合的数据流分类算法研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-10页 |
| 1 绪论 | 第10-16页 |
| ·引言 | 第10页 |
| ·本文的选题背景及其意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文研究的问题与使用的方法 | 第13-14页 |
| ·论文的组织结构 | 第14-16页 |
| 2 数据挖掘与决策树分类相关基础理论 | 第16-24页 |
| ·数据挖掘概述 | 第16-17页 |
| ·分类的过程与评价标准 | 第17-18页 |
| ·基于信息熵的决策树分类算法 | 第18-21页 |
| ·决策树的剪枝 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 3 数据流分类算法研究 | 第24-37页 |
| ·引言 | 第24页 |
| ·数据流分类特点分析 | 第24-26页 |
| ·数据流中的概念漂移 | 第26-27页 |
| ·数据流分类所需解决的问题 | 第27-28页 |
| ·数据流分类的过程 | 第28-29页 |
| ·数据流挖掘中的几种分类算法 | 第29-35页 |
| ·Hoeffding 树算法 | 第29-31页 |
| ·快速决策树算法（VFDT） | 第31-32页 |
| ·概念自适应快速决策树算法（CVFDT） | 第32-33页 |
| ·系综（Ensemble）分类方法 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 4 基于知识整合的数据流分类算法 | 第37-50页 |
| ·引言 | 第37页 |
| ·知识整合 | 第37-39页 |
| ·算法基本思想 | 第39-43页 |
| ·概念漂移的处理 | 第43-45页 |
| ·节点存储结构与算法流程 | 第45-49页 |
| ·节点存储结构 | 第45-46页 |
| ·算法流程 | 第46-49页 |
| ·树的剪枝处理 | 第49页 |
| ·小结 | 第49-50页 |
| 5 实验测试与分析 | 第50-61页 |
| ·引言 | 第50页 |
| ·KIDDT 算法测试与分析 | 第50-60页 |
| ·KIDDT 算法知识整合过程与结果分析 | 第51-58页 |
| ·概念漂移的数据测试结果与分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 6 结论与展望 | 第61-63页 |
| ·结论 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 作者简历 | 第65-68页 |
| 学位论文数据集 | 第68-69页 |
