近鄰分類方法及其應(yīng)用（下冊(cè)）

上冊(cè)
第1章 近鄰分類方法及其演變
1.1 分類概念、算法
1.2 經(jīng)典的近鄰分類方法及其演變
參考文獻(xiàn)
第2章 近鄰模型系列方法及其應(yīng)用
2.1 近鄰模型分類算法
2.2 基于權(quán)重k近鄰模型的數(shù)據(jù)簡(jiǎn)化與分類
2.3 模糊k近鄰模型算法在可預(yù)測(cè)毒物學(xué)上的應(yīng)尉
2.4 最近鄰分類的多代表點(diǎn)學(xué)習(xí)算法
2.5 改進(jìn)的忌近鄰模型方法在文本分類中的應(yīng)用
2.6 部分模糊聚類的最近鄰分類方法
參考文獻(xiàn)
第3章 近鄰模型的增量學(xué)習(xí)方法及其應(yīng)用
3.1 基于kNN模型的增量學(xué)習(xí)算法
3.2 增量kNN模型的修剪策略研究
3.3 基于增量kNN模型的分布式入侵檢測(cè)架構(gòu)
3.4 基于kNN模型的層次糾錯(cuò)輸出編碼算法
參考文獻(xiàn)
下冊(cè)
第4章 概念漂移數(shù)據(jù)流分類方法及其應(yīng)用
4.1 IKnnM-DHecoc：一種解決概念漂移問題的方法
4.2 基于混合模型的數(shù)據(jù)流概念漂移檢測(cè)
4.3 面向高速數(shù)據(jù)流的集成分類器算法
4.4 一種適應(yīng)概念漂移數(shù)據(jù)流的分類算法
4.5 基于少量類標(biāo)簽的概念漂移檢測(cè)算法
4.6 半監(jiān)督層次糾錯(cuò)輸出編碼算法
參考文獻(xiàn)
第5章 子空間近鄰分類方法及其應(yīng)用
5.1 類依賴投影的文本分類方法
5.2 多代表點(diǎn)的子空間分類算法
5.3 基于投影原型的文本分類方法
5.4 復(fù)雜數(shù)據(jù)的最優(yōu)子空間分類方法
5.5 基于特征子空間的概念漂移檢測(cè)算法
5.6 基于子空間集成的概念漂移數(shù)據(jù)流分類算法
參考文獻(xiàn)
第6章 近鄰方法的擴(kuò)展及其應(yīng)用
6.1 基于空間覆蓋的相似性度量及其對(duì)應(yīng)的分類算法
6.2 基于空間覆蓋的相似性度量的特征選擇算法
6.3 基于空間覆蓋的相似性度量的層次聚類算法
6.4 基于類別子空間距離加權(quán)的互k近鄰算法
6.5 針對(duì)類屬性數(shù)據(jù)加權(quán)的MKnn算法
6.6 屬性加權(quán)的類屬數(shù)據(jù)近鄰分類
參考文獻(xiàn)