基于聚类森林的文本流分类方法研究
摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第14-33页 |
1.1 研究背景及意义 | 第14-16页 |
1.2 国内外研究现状及分析 | 第16-26页 |
1.2.1 带概念漂移的数据流分类 | 第16-22页 |
1.2.2 数据流的半监督分类 | 第22-23页 |
1.2.3 不平衡数据流的分类 | 第23-24页 |
1.2.4 多类标数据流的分类 | 第24-25页 |
1.2.5 文本流分类技术面临的挑战 | 第25-26页 |
1.3 研究工作及创新 | 第26-30页 |
1.3.1 主要研究内容 | 第26-29页 |
1.3.2 主要研究成果与创新 | 第29-30页 |
1.4 论文组织结构 | 第30-33页 |
第2章 文本流的动态聚类森林分类方法 | 第33-71页 |
2.1 引言 | 第33-34页 |
2.2 问题提出 | 第34-36页 |
2.2.1 文本流的分类 | 第34-35页 |
2.2.2 概念漂移 | 第35-36页 |
2.3 相关工作 | 第36-40页 |
2.3.1 集成学习 | 第36-38页 |
2.3.2 基于聚类的分类方法 | 第38-40页 |
2.4 基于动态聚类森林的文本流分类方法 | 第40-49页 |
2.4.1 动态聚类森林算法框架 | 第40-42页 |
2.4.2 自适应选择策略和投票策略 | 第42-49页 |
2.5 动态聚类森林分类方法的理论分析及优化 | 第49-52页 |
2.6 实验与结果分析 | 第52-70页 |
2.6.1 数据集 | 第52-54页 |
2.6.2 分类评价过程 | 第54-55页 |
2.6.3 评价指标和对比算法 | 第55-56页 |
2.6.4 实验结果及分析 | 第56-70页 |
2.7 小结 | 第70-71页 |
第3章 文本流的半监督聚类森林分类方法 | 第71-90页 |
3.1 引言 | 第71-72页 |
3.2 问题提出 | 第72-74页 |
3.2.1 半监督学习 | 第72-73页 |
3.2.2 半监督学习的有效性 | 第73-74页 |
3.3 半监督聚类森林分类方法 | 第74-83页 |
3.3.1 半监督聚类森林算法框架 | 第75-76页 |
3.3.2 半监督聚类树算法 | 第76-79页 |
3.3.3 集成策略 | 第79-83页 |
3.4 实验与结果分析 | 第83-88页 |
3.4.1 数据集 | 第83-84页 |
3.4.2 评价指标和对比算法 | 第84页 |
3.4.3 实验结果及分析 | 第84-88页 |
3.5 小结 | 第88-90页 |
第4章 不平衡文本流的聚类森林分类方法 | 第90-105页 |
4.1 引言 | 第90-91页 |
4.2 问题提出 | 第91页 |
4.3 基于聚类森林的不平衡文本流分类方法 | 第91-97页 |
4.3.1 不平衡文本流的聚类森林算法框架 | 第92-94页 |
4.3.2 动态重抽样策略 | 第94-96页 |
4.3.3 集成策略 | 第96-97页 |
4.4 实验与结果分析 | 第97-104页 |
4.4.1 数据集 | 第97-98页 |
4.4.2 分类评价过程 | 第98-99页 |
4.4.3 评价指标和对比算法 | 第99页 |
4.4.4 实验结果及分析 | 第99-104页 |
4.5 小结 | 第104-105页 |
第5章 多类标文本流的聚类森林分类方法 | 第105-122页 |
5.1 引言 | 第105-106页 |
5.2 问题提出 | 第106页 |
5.3 多类标文本流的聚类森林分类方法 | 第106-111页 |
5.3.1 多类标聚类树 | 第108-109页 |
5.3.2 多类标聚类森林处理概念漂移问题 | 第109-111页 |
5.4 实验与结果分析 | 第111-121页 |
5.4.1 数据集 | 第111-112页 |
5.4.2 评价指标 | 第112-114页 |
5.4.3 对比算法 | 第114页 |
5.4.4 实验结果及分析 | 第114-121页 |
5.5 小结 | 第121-122页 |
结论 | 第122-125页 |
参考文献 | 第125-139页 |
攻读博士学位期间发表的论文及其他成果 | 第139-141页 |
致谢 | 第141-142页 |
个人简历 | 第142页 |