数据流上的分类算法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1. 前言 | 第10-15页 |
| ·引言 | 第10-12页 |
| ·分类 | 第12页 |
| ·频繁模式与关联规则 | 第12-13页 |
| ·本文结构及主要贡献 | 第13-15页 |
| 2. 数据流 | 第15-20页 |
| ·什么是数据流 | 第15-16页 |
| ·数据流上的应用 | 第16-18页 |
| ·传感器网络 | 第16页 |
| ·网络流量分析 | 第16-17页 |
| ·金融数据监控 | 第17页 |
| ·事务日志分析 | 第17页 |
| ·需求分析 | 第17-18页 |
| ·数据流上的数据挖掘 | 第18-20页 |
| 3. 数据流上的分类 | 第20-23页 |
| ·问题描述 | 第20-21页 |
| ·现有的数据流上的分类算法 | 第21-23页 |
| 4. 基于频繁模式的数据流分类算法 | 第23-31页 |
| ·预备知识 | 第23-24页 |
| ·P-tree | 第24-27页 |
| ·P-tree的结构 | 第24-25页 |
| ·衰减因子 | 第25页 |
| ·P-tree的维护 | 第25-27页 |
| ·分类方法 | 第27页 |
| ·性能分析 | 第27-31页 |
| 5. 基于规则的数据流分类算法 | 第31-52页 |
| ·动机 | 第31-32页 |
| ·CVFDT的更新方式 | 第31-32页 |
| ·WEC的更新方式 | 第32页 |
| ·算法目标 | 第32页 |
| ·基于规则的数据流分类算法 | 第32-33页 |
| ·算法思想分析 | 第32-33页 |
| ·基于规则的分类模型 | 第33页 |
| ·检测概念漂移 | 第33-36页 |
| ·训练新规则 | 第36-37页 |
| ·算法 | 第37-40页 |
| ·数据结构RS-tree和REC-tree | 第37-38页 |
| ·使用REC-tree更新分类器 | 第38-39页 |
| ·算法 | 第39-40页 |
| ·性能分析 | 第40-41页 |
| ·实验评估 | 第41-48页 |
| ·数据集 | 第41-42页 |
| ·算法中参数的设置 | 第42-43页 |
| ·模型更新的有效性 | 第43页 |
| ·N_(ij)和概念漂移的关系 | 第43-44页 |
| ·生成新规则方法的效果 | 第44-45页 |
| ·REC-tree和RS-tree | 第45页 |
| ·其它数据集上的准确率和效率 | 第45-48页 |
| ·类不均衡问题的处理 | 第48-52页 |
| ·RBC-1 | 第49页 |
| ·RBC-2 | 第49-50页 |
| ·实验评估 | 第50-52页 |
| 6. 多数据流分类的负载均衡问题 | 第52-73页 |
| ·问题描述 | 第52-53页 |
| ·难点 | 第53页 |
| ·相关工作 | 第53-54页 |
| ·动机 | 第54-57页 |
| ·渐进式分类模型 | 第54-56页 |
| ·数据变换 | 第56-57页 |
| ·暂时局部性质 | 第57页 |
| ·算法总体结构 | 第57-58页 |
| ·保持类信息的数据变换 | 第58-60页 |
| ·主成分分析(PCA) | 第58-59页 |
| ·KL-3变换 | 第59页 |
| ·KL-3变换的性质 | 第59-60页 |
| ·数据获取机制 | 第60-65页 |
| ·算法总体思想 | 第61页 |
| ·参照向量和布尔向量 | 第61-62页 |
| ·主动地数据获取机制 | 第62-65页 |
| ·渐进式分类器 | 第65-66页 |
| ·实验评估 | 第66-73页 |
| ·保持暂时局部性 | 第67页 |
| ·KL-3变换对准确性的影响 | 第67-68页 |
| ·负信息 | 第68-69页 |
| ·资源分配 | 第69-70页 |
| ·真实数据集上的准确性 | 第70-71页 |
| ·真实数据集上带宽分配情况 | 第71-73页 |
| 7. 总结 | 第73-74页 |
| 8. 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 攻读博士期间发表论文 | 第80-81页 |
