面向概念漂移数据流的分类算法研究
| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 数据流分类挖掘存在的问题 | 第13-14页 |
| 1.4 本文主要内容 | 第14-15页 |
| 1.5 本文组织结构 | 第15-17页 |
| 第二章 数据流分类相关理论与技术 | 第17-37页 |
| 2.1 数据挖掘简介 | 第17-20页 |
| 2.1.1 数据挖掘概念 | 第17-18页 |
| 2.1.2 数据挖掘功能 | 第18-20页 |
| 2.2 数据流挖掘简介 | 第20-27页 |
| 2.2.1 数据流相关概念 | 第20-22页 |
| 2.2.2 数据流挖掘方法 | 第22-24页 |
| 2.2.3 数据流中的概念漂移 | 第24-27页 |
| 2.2.4 数据流中的不确定性 | 第27页 |
| 2.3 分类挖掘简介 | 第27-35页 |
| 2.3.1 分类定义 | 第27-28页 |
| 2.3.2 分类过程 | 第28-30页 |
| 2.3.3 传统分类算法 | 第30-33页 |
| 2.3.4 数据流分类算法 | 第33-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第三章 一种基于概念重复性的数据流集成分类算法 | 第37-47页 |
| 3.1 问题的提出 | 第37页 |
| 3.2 相关工作 | 第37-38页 |
| 3.3 ECA-RC原理与算法思想 | 第38-42页 |
| 3.3.1 基本概念 | 第38-39页 |
| 3.3.2 ECA-RC算法流程 | 第39-40页 |
| 3.3.3 历史信息存储和概念预测 | 第40-41页 |
| 3.3.4 集合分类器更新 | 第41页 |
| 3.3.5 ECA-RC算法描述 | 第41-42页 |
| 3.4 实验结果与分析 | 第42-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 隐含概念漂移的不确定数据流集成分类算法 | 第47-57页 |
| 4.1 引言 | 第47-48页 |
| 4.2 问题定义 | 第48页 |
| 4.3 算法思想 | 第48-53页 |
| 4.3.1 ECA-UCD算法概述 | 第48-50页 |
| 4.3.2 基分类器对数据流中不确定性的处理 | 第50-51页 |
| 4.3.3 集成分类器的更新 | 第51页 |
| 4.3.4 ECA-UCD算法描述 | 第51-53页 |
| 4.4 实验分析 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 研究工作总结 | 第57-58页 |
| 5.2 未来的工作展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 发表论文情况 | 第63-65页 |
| 致谢 | 第65页 |
