目錄
第1章 緒論 1
1.1 數據挖掘 1
1.2 動態(tài)數據挖掘的定義 3
1.2.1 時間序列的基本概念 3
1.2.2 數據流的基本概念 4
1.3 集成學習方法 6
1.4 關于本書 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)數據挖掘 39
3.1 動態(tài)數據表征 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)數據的相似性度量方法 48
3.2.1 時間序列的相似性度量 49
3.2.2 數據流的概念漂移檢測 51
3.3 動態(tài)數據的挖掘任務 58
第4章 時間序列數據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 數據流數據挖掘的集成學習算法 78
5.1 數據流挖掘 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 數據流集成學習算法 83
5.2.1 靜態(tài)數據流的增量集成學習算法 84
5.2.2 靜態(tài)數據流的在線集成學習算法 87
5.2.3 動態(tài)數據流的增量集成學習算法 89
5.2.4 動態(tài)數據流的在線集成學習算法 93
5.2.5 數據流的回歸算法 97
參考文獻 99