声明
致谢
摘要
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文主要工作
1.4 本文组织结构
2 概念漂移检测及数据流分类概述
2.1 数据流挖掘综述
2.1.1 相关概念
2.1.2 数据流挖掘的应用
2.1.3 类不平衡问题
2.2 漂移检测算法综述
2.2.1 漂移检测算法的类型
2.2.2 漂移检测算法的性能度量
2.2.3 漂移检测在生活中的应用
2.3 数据流分类算法综述
2.3.1 单分类器数据流分类算法
2.3.2 多分类器数据流分类算法
2.4 本章小结
3 基于数据分布的漂移重现检测算法
3.1 概念漂移的检测
3.1.1 漂移检测问题的定义
3.1.2 基于Bernstein不等式的动态阈值设计
3.1.3 检测过程描述
3.2 重现漂移的发现
3.2.1 针对多元数据的双样本检验方法
3.2.2 利用图存储历史概念
3.2.3 重现漂移发现过程的描述
3.3 算法整体流程
3.4 实验结果及分析
3.4.1 MOA实验平台介绍
3.4.2 漂移检测算法性能分析
3.4.3 分类正确率的提升及重现漂移发现的验证
3.5 本章总结
4 基于集成学习的不平衡数据流分类算法
4.1 类不平衡问题中的采样方法
4.1.1 过采样方法
4.1.2 欠采样方法
4.2 基于数据块的分类器集成方法
4.3 基于集成学习的不平衡数据流分类算法介绍
4.3.1 样本采样过程描述
4.3.2 集成方法描述
4.4 实验结果及分析
4.4.1 实验数据集
4.4.2 对比的算法
4.4.3 实验设置及结果分析
4.5 本章小结
5 总结与展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集