基于集成分类器的数据流分类算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-14页 |
| 1.1.1 数据流产生的原因及应用 | 第11-13页 |
| 1.1.2 数据流挖掘的目的与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本文研究内容与组织结构 | 第15-18页 |
| 第2章 数据流分类相关技术概述 | 第18-30页 |
| 2.1 数据流分析的主要技术手段 | 第18-19页 |
| 2.2 数据流的概念漂移 | 第19-21页 |
| 2.3 数据流分类的特征 | 第21-24页 |
| 2.3.1 增量学习 | 第22-23页 |
| 2.3.2 遗忘机制 | 第23-24页 |
| 2.4 分类器类型 | 第24-26页 |
| 2.4.1 单分类模型 | 第24-25页 |
| 2.4.2 集成分类模型 | 第25-26页 |
| 2.5 面向数据流的集成分类器算法AWE | 第26-27页 |
| 2.6 聚类分析 | 第27-28页 |
| 2.7 本章小结 | 第28-30页 |
| 第3章 带有基分类器更新的集成分类算法 | 第30-46页 |
| 3.1 问题的提出 | 第30-32页 |
| 3.1.1 当前数据流集成分类算法存在的问题 | 第30-31页 |
| 3.1.2 相关概念和技术 | 第31-32页 |
| 3.2 CUE算法 | 第32-35页 |
| 3.2.1 集成分类模型的构造 | 第32-33页 |
| 3.2.2 集成分类模型的更新 | 第33-35页 |
| 3.3 算法性能分析 | 第35页 |
| 3.4 实验分析 | 第35-44页 |
| 3.4.1 数据集 | 第36页 |
| 3.4.2 参数说明 | 第36-37页 |
| 3.4.3 时间效率 | 第37-40页 |
| 3.4.4 内存使用情况 | 第40-41页 |
| 3.4.5 准确率 | 第41-42页 |
| 3.4.6 数据块大小对算法性能的影响 | 第42-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第4章 基于聚类的动态选择分类器 | 第46-64页 |
| 4.1 问题的提出 | 第46-48页 |
| 4.1.1 动态选择集成分类模型 | 第46-47页 |
| 4.1.2 相关概念和技术 | 第47-48页 |
| 4.2 DCSC算法 | 第48-53页 |
| 4.2.1 集成分类模型的构造 | 第48-49页 |
| 4.2.2 使用集成分类模型进行分类 | 第49-51页 |
| 4.2.3 集成分类模型更新 | 第51-52页 |
| 4.2.4 DCSC算法的整体描述 | 第52-53页 |
| 4.3 算法性能分析 | 第53-54页 |
| 4.4 实验分析 | 第54-61页 |
| 4.4.1 数据集 | 第54-55页 |
| 4.4.2 参数说明 | 第55-56页 |
| 4.4.3 参数对算法的影响 | 第56页 |
| 4.4.4 时间效率 | 第56-59页 |
| 4.4.5 内存使用情况 | 第59-60页 |
| 4.4.6 准确率 | 第60-61页 |
| 4.5 本章小结 | 第61-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 本文主要贡献 | 第64页 |
| 5.2 工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士期间参与项目及发表的论文 | 第72页 |
