面向动态数据流的分类方法研究
| 中文摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 数据流分类问题的提出与研究的意义 | 第15-16页 |
| 1.2 数据流分类的国内外研究现状 | 第16-18页 |
| 1.3 数据流分类的基本概念和概念漂移 | 第18-19页 |
| 1.4 极限学习机的基本思想 | 第19-23页 |
| 1.5 本文的研究内容与基本框架 | 第23-25页 |
| 第二章 基于极限学习机的快速数据流分类算法 | 第25-47页 |
| 2.1 隐含层节点数目的确定方法 | 第25-26页 |
| 2.2 IDS-ELM的增量式更新策略 | 第26-28页 |
| 2.3 IDS-ELM的概念漂移检测 | 第28-30页 |
| 2.4 实验验证与分析 | 第30-45页 |
| 2.5 本章小结 | 第45-47页 |
| 第三章 面向数据流分类的动态极限学习机算法 | 第47-71页 |
| 3.1 DELM模型的结构 | 第47-48页 |
| 3.2 DELM的原理和分类过程 | 第48-52页 |
| 3.3 算法的实验结果 | 第52-70页 |
| 3.4 本章小结 | 第70-71页 |
| 第四章 基于信息熵的集成式数据流分类算法 | 第71-85页 |
| 4.1 基于信息熵的概念漂移检测 | 第71-73页 |
| 4.2 基于熵值的分类器权值更新 | 第73-74页 |
| 4.3 ECBE算法的执行过程 | 第74-75页 |
| 4.4 实验结果与数据分析 | 第75-84页 |
| 4.5 本章小结 | 第84-85页 |
| 第五章 结合无监督学习的数据流分类算法 | 第85-97页 |
| 5.1 分类器权值的确定和分类器系统的更新 | 第85-87页 |
| 5.2 算法中的属性约简 | 第87页 |
| 5.3 算法的实现 | 第87-89页 |
| 5.4 实验结果及分析 | 第89-96页 |
| 5.5 本章小结 | 第96-97页 |
| 第六章 基于Kappa系数的数据流分类算法 | 第97-107页 |
| 6.1 DSCK算法的基本原理 | 第97-99页 |
| 6.2 DSCK算法的执行过程 | 第99-101页 |
| 6.3 实验分析 | 第101-106页 |
| 6.4 本章小结 | 第106-107页 |
| 第七章 总结与展望 | 第107-109页 |
| 参考文献 | 第109-119页 |
| 攻读硕士学位期间的研究成果 | 第119-121页 |
| 致谢 | 第121-123页 |
| 个人简况及联系方式 | 第123-124页 |
