| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-18页 |
| §1.1 研究背景与意义 | 第8-9页 |
| §1.2 概念漂移研究现状 | 第9-13页 |
| §1.2.1 概念漂移的定义与分类 | 第10页 |
| §1.2.2 基于进化机制的概念漂移处理方法 | 第10-12页 |
| §1.2.3 基于触发机制的概念漂移处理方法 | 第12-13页 |
| §1.3 重现概念漂移研究现状 | 第13-16页 |
| §1.4 半监督分类算法简介 | 第16-17页 |
| §1.5 本文主要研究内容 | 第17页 |
| §1.6 论文组织结构 | 第17-18页 |
| 第二章 相关理论与算法 | 第18-25页 |
| §2.1 VFDT算法 | 第18-19页 |
| §2.2 CCP算法 | 第19-20页 |
| §2.3 Self-training算法 | 第20-21页 |
| §2.4 Tri-training算法 | 第21-23页 |
| §2.5 REDLLA算法 | 第23-24页 |
| §2.6 归一化互信息NMI | 第24页 |
| §2.7 本章小结 | 第24-25页 |
| 第三章 一种基于主要特征抽取的重现概念漂移处理算法 | 第25-36页 |
| §3.1 问题分析 | 第25-26页 |
| §3.2 算法描述 | 第26-29页 |
| §3.3 实验设计 | 第29-30页 |
| §3.3.1 评价标准 | 第29页 |
| §3.3.2 实验数据 | 第29-30页 |
| §3.3.3 对比算法 | 第30页 |
| §3.4 实验结果与分析 | 第30-35页 |
| §3.5 本章小结 | 第35-36页 |
| 第四章 含重现概念漂移的不完全标记数据流分类算法 | 第36-46页 |
| §4.1 问题分析 | 第36页 |
| §4.2 算法描述 | 第36-42页 |
| §4.2.1 CAPLRD整体框架 | 第36-38页 |
| §4.2.2 半监督学习算法SSLNE | 第38-40页 |
| §4.2.3 重现概念漂移检测算法RCDD | 第40-42页 |
| §4.3 实验设计 | 第42-43页 |
| §4.3.1 评价标准 | 第42页 |
| §4.3.2 实验数据 | 第42页 |
| §4.3.3 对比算法 | 第42-43页 |
| §4.4 实验结果与分析 | 第43-45页 |
| §4.4.1 评价半监督学习算法SSLNE | 第43页 |
| §4.4.2 评价重现概念漂移检测算法RCCD | 第43-44页 |
| §4.4.3 评价整体算法CAPLRD性能 | 第44-45页 |
| §4.5 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 参考文献 | 第48-55页 |
| 致谢 | 第55-56页 |
| 作者在攻读硕士期间主要研究成果 | 第56页 |