面向类不均衡数据流的分类方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-12页 |
| 1.1 研究目的及意义 | 第9页 |
| 1.2 数据流研究现状 | 第9-11页 |
| 1.3 本文的研究工作 | 第11页 |
| 1.4 本文组织框架 | 第11-12页 |
| 2 相关工作 | 第12-18页 |
| 2.1 BP神经网络 | 第12页 |
| 2.2 在线极限学习机 | 第12-14页 |
| 2.2.1 模型建立 | 第13页 |
| 2.2.2 模型求解 | 第13-14页 |
| 2.2.3 算法描述 | 第14页 |
| 2.3 概率神经网络 | 第14-18页 |
| 2.3.1 贝叶斯分类器 | 第15页 |
| 2.3.2 Parzen窗概率密度估计 | 第15-16页 |
| 2.3.3 PNN | 第16-18页 |
| 3 基于BP神经网络的不均衡数据流集成分类 | 第18-29页 |
| 3.1 引言 | 第18页 |
| 3.2 处理概念漂移的方法 | 第18-19页 |
| 3.3 算法设计与描述 | 第19-23页 |
| 3.3.1 算法描述 | 第19-20页 |
| 3.3.2 平衡训练数据流 | 第20-21页 |
| 3.3.3 基于BP神经网络训练基分类器 | 第21-22页 |
| 3.3.4 更新集成模型 | 第22-23页 |
| 3.4 实验分析与讨论 | 第23-28页 |
| 3.4.1 有效性评价指标 | 第23页 |
| 3.4.2 实验数据与结果 | 第23-28页 |
| 3.5 小结 | 第28-29页 |
| 4 基于双加权在线极限学习机的不均衡数据流分类 | 第29-41页 |
| 4.1 引言 | 第29页 |
| 4.2 算法设计与描述 | 第29-32页 |
| 4.2.1 自适应计算双权值 | 第29-31页 |
| 4.2.2 算法描述 | 第31-32页 |
| 4.3 实验分析与讨论 | 第32-39页 |
| 4.3.1 有效性评价指标 | 第32-33页 |
| 4.3.2 实验数据与设置 | 第33-34页 |
| 4.3.3 实验结果与分析 | 第34-39页 |
| 4.4 小结 | 第39-41页 |
| 5 结论与展望 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 攻读硕士学位期间发表学术论文情况 | 第45-46页 |
| 致谢 | 第46页 |
