声明
摘要
第1章绪论
1.1研究背景及意义
1.2国内外研究现状
1.3问题的提出和本文主要工作
1.4本文组织结构
第2章相关工作概述
2.1数据流挖掘
2.1.1数据流的定义及特征
2.1.2数据流处理模型
2.1.3数据流挖掘算法的特点
2.1.4概念漂移
2.1.5数据流分类算法
2.2不确定数据概述
2.2.1不确定数据产生的原因和表现形式
2.2.2不确定数据分类算法
2.3 PU学习
2.3.1 PU学习定义
2.3.2两步走方法
2.3.3 PU学习相关算法
2.4极限学习机
2.4.1 ELM
2.4.2 weighted ELM
2.5本章小结
第3章不确定数据流环境下正例和未标记数据分类算法
3.1问题提出
3.2问题定义
3.3不确定数据正例和未标记数据分类算法
3.3.1相关概念
3.3.2不确定数据处理
3.3.3可信正例与可信负例的抽取
3.3.4分类器的建立与分类
3.3.5算法描述
3.4不确定数据流环境下正例和未标记数据分类算法
3.4.1相关概念
3.4.2集成分类策略
3.4.3概念漂移检测和处理
3.4.4算法描述
3.5本章小结
第4章实验及结果分析
4.1实验环境
4.2数据集
4.3实验分析
4.3.1参数的选取
4.3.2参数对算法性能的影响
4.3.3概念漂移的检测情况
4.4本章小结
第5章总结与展望
5.1本文总结
5.2工作展望
参考文献
致谢
攻读硕士期间参与项目及发表的论文
东北大学;