| 中文摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 中文文摘 | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究的背景和意义 | 第11-12页 |
| ·研究现状与存在问题 | 第12-14页 |
| ·实例选择 | 第12-13页 |
| ·实例加权 | 第13页 |
| ·集成学习 | 第13-14页 |
| ·本文主要研究内容及特色 | 第14-15页 |
| ·本文结构安排 | 第15-17页 |
| 第二章 面向结构复杂数据的改进KNNModel算法 | 第17-33页 |
| ·背景知识 | 第17-19页 |
| ·相关定义 | 第19-21页 |
| ·IKNNModel算法 | 第21-24页 |
| ·IKNNModel训练阶段 | 第21-22页 |
| ·IKNNModel分类阶段 | 第22-24页 |
| ·IKNNModel算法分析 | 第24页 |
| ·实验与评估 | 第24-31页 |
| ·实验环境 | 第25页 |
| ·实验结果与分析 | 第25-29页 |
| ·实验参数分析 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 第三章 一种快速的数据流集成分类器算法 | 第33-43页 |
| ·ECA算法基分类器构建 | 第33-36页 |
| ·训练与分类过程 | 第33-35页 |
| ·算法复杂度分析 | 第35-36页 |
| ·ECA算法构建 | 第36-37页 |
| ·概念漂移检测和模型簇更新 | 第36页 |
| ·ECA算法流程 | 第36-37页 |
| ·实验与评估 | 第37-41页 |
| ·实验环境与数据集 | 第38页 |
| ·实验结果与分析 | 第38-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 一种基于混合模型的数据流分类算法 | 第43-63页 |
| ·背景知识 | 第43-45页 |
| ·混合模型 | 第43-44页 |
| ·KNNModel算法 | 第44-45页 |
| ·模型建立 | 第45-47页 |
| ·训练与分类过程 | 第45-47页 |
| ·算法复杂度分析 | 第47页 |
| ·概念漂移检测 | 第47-51页 |
| ·模型簇检测 | 第47-49页 |
| ·可变窗口 | 第49-51页 |
| ·模型更新及重建 | 第51-54页 |
| ·KnnM-IB算法流程 | 第54-55页 |
| ·实验与评估 | 第55-61页 |
| ·实验环境与数据集 | 第55-56页 |
| ·实验结果与分析 | 第56-59页 |
| ·实验参数分析 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 第五章 结论和展望 | 第63-65页 |
| ·本文工作总结 | 第63-64页 |
| ·今后工作展望 | 第64-65页 |
| 参考文献 | 第65-73页 |
| 攻读学位期间承担的科研任务与主要成果 | 第73-75页 |
| 致谢 | 第75-77页 |
| 个人简历 | 第77-79页 |