| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-10页 |
| 插图清单 | 第10-11页 |
| 表格清单 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| ·引言 | 第12页 |
| ·本文的研究背景和意义 | 第12-13页 |
| ·课题来源 | 第13页 |
| ·数据流的介绍及应用 | 第13-15页 |
| ·数据流的定义 | 第13-14页 |
| ·数据流的特点 | 第14页 |
| ·数据流的应用领域 | 第14-15页 |
| ·数据流挖掘模型特点 | 第15页 |
| ·数据流处理的理论基础与技术 | 第15-17页 |
| ·基于数据的技术 | 第16-17页 |
| ·基于任务的技术 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第二章 数据流概念漂移的研究 | 第18-28页 |
| ·引言 | 第18页 |
| ·数据流概念漂移的定义和分类 | 第18-21页 |
| ·数据流中概念漂移的定义 | 第18-19页 |
| ·数据流中概念漂移的分类 | 第19-21页 |
| ·数据流概念漂移的处理方法 | 第21-22页 |
| ·基于事例选择的概念漂移处理方法 | 第21页 |
| ·基于事例加权的概念漂移处理方法 | 第21页 |
| ·基于集成学习的概念漂移处理方法 | 第21-22页 |
| ·数据流概念漂移问题的研究进展 | 第22-25页 |
| ·概念漂移数据流的学习系统 | 第22-23页 |
| ·概念漂移数据流理论上的研究进展 | 第23-24页 |
| ·概念漂移数据流的学习算法 | 第24-25页 |
| ·已有的集成模型介绍 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 一种基于混合集成方法的数据流概念漂移检测方法 | 第28-39页 |
| ·引言 | 第28页 |
| ·相关工作介绍 | 第28-31页 |
| ·数据流上的研究假设 | 第28-30页 |
| ·数据流挖掘的集成方法介绍 | 第30-31页 |
| ·算法描述 | 第31-34页 |
| ·算法分析 | 第34页 |
| ·实验性能分析 | 第34-38页 |
| ·数据集的选择 | 第35页 |
| ·实验结果分析 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 数据流分类原型系统 | 第39-48页 |
| ·引言 | 第39页 |
| ·系统结构介绍 | 第39-40页 |
| ·主界面介绍 | 第39页 |
| ·数据流原型系统算法布局图 | 第39-40页 |
| ·概念漂移检测 | 第40-45页 |
| ·Hoeffding Bounds | 第40-42页 |
| ·检验 | 第42-44页 |
| ·DDM | 第44-45页 |
| ·系统运行与结果展示 | 第45-47页 |
| ·算法特征数据库的读取 | 第45页 |
| ·算法参数的设定 | 第45-46页 |
| ·算法的运行与结果展示 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| ·本文总结 | 第48页 |
| ·工作展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 研究生期间参加科研与成果 | 第54-55页 |