封面
声明
中文摘要
英文摘要
目录
第一章 引言
§1.1 研究背景与意义
§1.2 数据流分类研究现状
§1.3 多标签分类研究现状
§1.4 多标签数据流分类研究现状
§1.5 本文主要研究内容
§1.6 论文组织结构
第二章 理论基础
§2.1 数据流分类算法简介
§2.2 多标签分类算法简介
§2.3 多标签分类性能评价指标
§2.4 EM算法
§2.5 Apriori算法
§2.6 熵
§2.7本章小结
第三章 多标签概念漂移数据流分类中的类别增量学习
§3.1 问题分析
§3.2 算法描述
§3.3 实验数据
§3.4 实验设计
§3.5 实验结果与分析
§3.6本章小结
第四章 基于概率相关性的多标签数据流概念漂移检测
§4.1 问题分析
§4.2 基本概念与原理
§4.3 算法描述
§4.4 实验数据
§4.5 实验设计
§4.6 实验结果与分析
§4.7 本章小结
第五章 基于标签分组与熵的多标签数据流概念漂移检测
§5.1 问题分析
§5.2 算法描述
§5.3 标签分组优势分析
§5.4 实验数据
§5.5 实验设计
§5.6 实验结果与分析
§5.7 本章小结
第六章 总结与展望
参考文献
致谢
作者在攻读硕士期间主要研究成果
桂林电子科技大学;