集成學習及其在動態(tài)數(shù)據(jù)挖掘中的應(yīng)用

目錄
第1章 緒論 1
1.1 數(shù)據(jù)挖掘 1
1.2 動態(tài)數(shù)據(jù)挖掘的定義 3
1.2.1 時間序列的基本概念 3
1.2.2 數(shù)據(jù)流的基本概念 4
1.3 集成學習方法 6
1.4 關(guān)于本書 7
第2章 集成學習的概念與算法 9
2.1 集成學習模型構(gòu)建 9
2.1.1 并行集成法 10
2.1.2 提升法 14
2.2 模型融合方法 20
2.2.1 監(jiān)督式融合方法 20
2.2.2 非監(jiān)督式融合方法 22
2.3 模型的多樣性 32
第3章 動態(tài)數(shù)據(jù)挖掘 39
3.1 動態(tài)數(shù)據(jù)表征 40
3.1.1 基于時域的表征方法 40
3.1.2 基于變換的表征方法 41
3.1.3 基于生成式模型的表征方法 43
3.1.4 基于深度學習模型的表征方法 44
3.2 動態(tài)數(shù)據(jù)的相似性度量方法 48
3.2.1 時間序列的相似性度量 49
3.2.2 數(shù)據(jù)流的概念漂移檢測 51
3.3 動態(tài)數(shù)據(jù)的挖掘任務(wù) 58
第4章 時間序列數(shù)據(jù)挖掘的集成學習算法 61
4.1 時間序列挖掘 61
4.1.1 問題描述 61
4.1.2 算法種類 62
4.1.3 性能評估 63
4.2 時間序列集成學習算法 66
4.2.1 時間序列聚類集成 66
4.2.2 時間序列分類集成 71
4.2.3 時間序列回歸集成 74
第5章 數(shù)據(jù)流數(shù)據(jù)挖掘的集成學習算法 78
5.1 數(shù)據(jù)流挖掘 78
5.1.1 問題描述 78
5.1.2 算法種類 79
5.1.3 性能評估 80
5.2 數(shù)據(jù)流集成學習算法 83
5.2.1 靜態(tài)數(shù)據(jù)流的增量集成學習算法 84
5.2.2 靜態(tài)數(shù)據(jù)流的在線集成學習算法 87
5.2.3 動態(tài)數(shù)據(jù)流的增量集成學習算法 89
5.2.4 動態(tài)數(shù)據(jù)流的在線集成學習算法 93
5.2.5 數(shù)據(jù)流的回歸算法 97
參考文獻 99