基于EP的数据流分类算法研究

摘要	第1-4页
Abstract	第4-8页
第一章 绪论	第8-13页
·数据挖掘	第8-9页
·分类问题	第9-10页
·研究背景	第10-11页
·论文结构及本文工作	第11-13页
第二章 数据流挖掘	第13-20页
·数据流的特征	第13页
·数据流算法分析处理时应满足的条件	第13-14页
·概念漂移	第14-15页
·滑动窗口技术的介绍	第15-16页
·当前数据流分类研究	第16-19页
·小结	第19-20页
第三章 传统的分类方法	第20-29页
·决策树分类	第20-22页
·贝叶斯分类	第22-23页
·源于关联规则的分类	第23-24页
·基于EP的分类算法	第24-25页
·K-最临近分类	第25-26页
·神经网络分类	第26页
·其他分类算法	第26-27页
·传统分类算法准确率的比较	第27-28页
·小结	第28-29页
第四章 基于EEP的数据流挖掘算法CEEPCE	第29-47页
·相关知识和概念定义	第29-32页
·相关知识	第29-31页
·概念定义	第31-32页
·基于EEP的数据流分类	第32-46页
·基本思想	第32-33页
·基分类器的构造	第33-37页
·基于分类误差的加权方法	第37-38页
·集成分类器的产生与更新	第38-41页
·分类器集成	第41-46页
·小结	第46-47页
第五章 相关实验结果及分析	第47-52页
·实验数据	第47-48页
·性能分析	第48-50页
·小结	第50-52页
结束语	第52-53页
致谢	第53-54页
参考文献	第54-58页
附录: 攻读硕士学位期间发表的论文	第58页