| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 引言 | 第8-19页 |
| §1.1 研究背景与意义 | 第8-9页 |
| §1.2 在线学习介绍 | 第9-10页 |
| §1.3 概念漂移研究现状 | 第10-15页 |
| §1.3.1 基于触发机制的概念漂移算法 | 第11-12页 |
| §1.3.2 基于进化机制的概念漂移算法 | 第12-13页 |
| §1.3.3 重现概念漂移算法 | 第13-15页 |
| §1.4 迁移学习研究现状 | 第15-18页 |
| §1.4.1 单源迁移学习研究现状 | 第16-17页 |
| §1.4.2 多源迁移学习研究现状 | 第17-18页 |
| §1.4 本文的研究内容及贡献 | 第18页 |
| §1.5 论文组织结构 | 第18-19页 |
| 第二章 理论基础 | 第19-24页 |
| §2.1 PA算法 | 第19-20页 |
| §2.2 Hom OTL-I算法介绍 | 第20-21页 |
| §2.3 CDOL算法介绍 | 第21-23页 |
| §2.4 本章小结 | 第23-24页 |
| 第三章 基于在线迁移学习的重现概念漂移数据流分类算法 | 第24-36页 |
| §3.1 问题分析 | 第24-25页 |
| §3.2 算法描述 | 第25-31页 |
| §3.2.1 问题定义与迁移学习 | 第25-26页 |
| §3.2.2 重现概念的检测 | 第26-27页 |
| §3.2.3 负迁移的克服 | 第27-28页 |
| §3.2.4 当前分类器的调整 | 第28页 |
| §3.2.5 具体描述 | 第28-31页 |
| §3.3 实验结果与分析 | 第31-35页 |
| §3.3.1 实验数据与实验方法 | 第31-32页 |
| §3.3.2 实验结果与分析 | 第32-35页 |
| §3.4 本章小结 | 第35-36页 |
| 第四章 基于多源在线迁移学习的概念漂移数据流分类算法 | 第36-64页 |
| §4.1 问题描述 | 第36-37页 |
| §4.2 多源在线迁移学习算法 | 第37-45页 |
| §4.2.1 研究动机 | 第37-38页 |
| §4.2.2 最优化问题 | 第38-39页 |
| §4.2.3 局部分类精度的计算 | 第39-42页 |
| §4.2.4 LC-MSOTL中分类器的选择与更新 | 第42-44页 |
| §4.2.5 LC-MSOTL具体描述 | 第44-45页 |
| §4.3 基于多源在线迁移的概念漂移数据流分类算法 | 第45-48页 |
| §4.3.1 研究动机 | 第45页 |
| §4.3.2 CDMSOTL的学习与概念漂移调整 | 第45-47页 |
| §4.3.3 CDMSOTL具体描述 | 第47-48页 |
| §4.4 实验结果与分析 | 第48-63页 |
| §4.4.1 多源在线迁学习实验介绍与实验数据 | 第49页 |
| §4.4.2 多源在线迁移学习分类实验方案介绍和实验结果分析 | 第49-59页 |
| §4.4.3 多源在线迁移学习概念漂移数据流分类实验介绍和实验数据 | 第59-61页 |
| §4.4.4 多源在线迁移学习概念漂移数据流分类实验分析 | 第61-63页 |
| §4.5 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 作者攻读硕士期间相关科研情况 | 第72页 |
