含噪动态数据流的分类研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 主要研究内容 | 第15页 |
| 1.4 本文组织结构 | 第15-18页 |
| 第2章 数据流分类挖掘研究 | 第18-28页 |
| 2.1 数据流的概念及应用 | 第18-19页 |
| 2.1.1 数据流的定义 | 第18页 |
| 2.1.2 数据流的特点 | 第18-19页 |
| 2.1.3 数据流的应用领域 | 第19页 |
| 2.2 分类技术 | 第19-21页 |
| 2.2.1 分类的定义和过程 | 第19-20页 |
| 2.2.2 分类方法 | 第20-21页 |
| 2.3 数据流上的概念漂移 | 第21-23页 |
| 2.3.1 概念漂移的定义及分类 | 第21-22页 |
| 2.3.2 概念漂移的处理方法 | 第22-23页 |
| 2.3.3 数据流中概念漂移的基本问题 | 第23页 |
| 2.4 数据流上的噪声问题 | 第23-25页 |
| 2.4.1 噪声数据 | 第23-24页 |
| 2.4.2 噪声数据流的处理 | 第24-25页 |
| 2.5 数据流分类算法概述 | 第25-27页 |
| 2.5.1 数据流分类算法介绍 | 第25-26页 |
| 2.5.2 数据流分类算法的特点 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于实例加权的概念漂移问题研究 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 基于实例的概念漂移处理方法 | 第28-29页 |
| 3.3 基于实例加权的概念漂移分类方法 | 第29-34页 |
| 3.3.1 实例加权 | 第30-31页 |
| 3.3.2 基分类器的更新 | 第31-32页 |
| 3.3.3 EWDSCA算法描述 | 第32-33页 |
| 3.3.4 EWDSCA算法分析 | 第33-34页 |
| 3.4 实验与分析 | 第34-39页 |
| 3.5 本章小结 | 第39-42页 |
| 第4章 基于密度聚类方法的噪声处理 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 FDBSCAN算法 | 第42-44页 |
| 4.2.1 DBSCAN算法 | 第43-44页 |
| 4.2.2 FDBSCAN算法描述 | 第44页 |
| 4.3 UFFT简介 | 第44-46页 |
| 4.4 FDNDCA分类算法 | 第46-48页 |
| 4.4.1 算法描述 | 第46-47页 |
| 4.4.2 概念漂移检测机制 | 第47-48页 |
| 4.5 实验与分析 | 第48-53页 |
| 4.5.1 FDBSCAN与DBSCAN算法比较 | 第48-50页 |
| 4.5.2 概念漂移的检测 | 第50页 |
| 4.5.3 噪声过滤效果 | 第50-51页 |
| 4.5.4 与其他算法性能对比 | 第51-52页 |
| 4.5.5 时间性能比较 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 本文总结 | 第54-55页 |
| 5.2 工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文 | 第60-62页 |
| 致谢 | 第62-63页 |
| 详细摘要 | 第63-67页 |
