| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究目的和意义 | 第11-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第2章 相关研究工作 | 第15-25页 |
| 2.1 不确定XML数据 | 第15-19页 |
| 2.1.1 XML数据 | 第15-17页 |
| 2.1.2 XML数据流 | 第17页 |
| 2.1.3 不确定数据 | 第17-18页 |
| 2.1.4 不确定XML数据 | 第18-19页 |
| 2.2 分类问题 | 第19-22页 |
| 2.2.1 分类问题介绍 | 第19-21页 |
| 2.2.2 不确定数据分类 | 第21-22页 |
| 2.2.3 不确定数据流分类 | 第22页 |
| 2.3 极限学习机应用研究 | 第22-23页 |
| 2.4 在线极限学习机研究 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 表达模型与问题定义 | 第25-33页 |
| 3.1 不确定数据流模型 | 第25-27页 |
| 3.2 不确定XML文档表达模型 | 第27-29页 |
| 3.3 问题定义 | 第29-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第4章 基于集成和增量的不确定XML数据流分类 | 第33-55页 |
| 4.1 极限学习机与在线极限学习机 | 第33-39页 |
| 4.1.1 极限学习机 | 第33-35页 |
| 4.1.2 在线极限学习机 | 第35-39页 |
| 4.2 不确定数据流极限学习机US-ELM | 第39-43页 |
| 4.2.1 US-ELM分类策略 | 第39-41页 |
| 4.2.2 US-ELM算法 | 第41-43页 |
| 4.3 基于集成的不确定数据流极限学习机EUS-ELM | 第43-50页 |
| 4.3.1 EUS-ELM分类策略 | 第43-47页 |
| 4.3.2 EUS-ELM算法 | 第47-50页 |
| 4.4 不确定在线极限学习机UOS-ELM | 第50-54页 |
| 4.4.1 UOS-ELM分类策略 | 第51-52页 |
| 4.4.2 UOS-ELM算法详解 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 实验及结果分析 | 第55-65页 |
| 5.1 实验性能评估标准 | 第55-56页 |
| 5.2 实验环境及设计方案 | 第56-58页 |
| 5.2.1 实验环境 | 第56页 |
| 5.2.2 实验数据集 | 第56-57页 |
| 5.2.3 实验方案 | 第57-58页 |
| 5.3 实验结果分析 | 第58-63页 |
| 5.3.1 US-ELM、EUS-ELM、UOS-ELM与UC-ELM训练时间 | 第58-59页 |
| 5.3.2 US-ELM、EUS-ELM、UOS-ELM与UC-ELM分类性能 | 第59-61页 |
| 5.3.3 EUC-ELM分类性能分析 | 第61-62页 |
| 5.3.4 UOS-ELM分类性能分析 | 第62-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第6章 总结和展望 | 第65-67页 |
| 6.1 研究工作总结 | 第65-66页 |
| 6.2 研究工作展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士学位期间参加的项目和发表的论文 | 第75页 |
