上册 1
第1章 近邻分类方法及其演变 1
1.1 分类概念、算法 1
1.2 经典的近邻分类方法及其演变 16
参考文献 24
第2章 近邻模型系列方法及其应用 29
2.1 k近邻模型分类算法 29
2.2 基于权重k近邻模型的数据简化与分类 39
2.3 模糊k近邻模型算法在可预测毒物学上的应用 50
2.4 最近邻分类的多代表点学习算法 62
2.5 改进的k近邻模型方法在文本分类中的应用 72
2.6 部分模糊聚类的最近邻分类方法 87
参考文献 96
第3章 近邻模型的增量学习方法及其应用 102
3.1 基于kNN模型的增量学习算法 102
3.2 增量kNN模型的修剪策略研究 112
3.3 基于增量kNN模型的分布式入侵检测架构 122
3.4 基于kNN模型的层次纠错输出编码算法 131
参考文献 142
下册 149
第4章 概念漂移数据流分类方法及其应用 149
4.1 IKnnM-DHecoc:一种解决概念漂移问题的方法 149
4.2 基于混合模型的数据流概念漂移检测 164
4.3 面向高速数据流的集成分类器算法 182
4.4 一种适应概念漂移数据流的分类算法 192
4.5 基于少量类标签的概念漂移检测算法 202
4.6 半监督层次纠错输出编码算法 216
参考文献 228
第5章 子空间近邻分类方法及其应用 237
5.1 类依赖投影的文本分类方法 237
5.2 多代表点的子空间分类算法 253
5.3 基于投影原型的文本分类方法 263
5.4 复杂数据的最优子空间分类方法 280
5.5 基于特征子空间的概念漂移检测算法 293
5.6 基于子空间集成的概念漂移数据流分类算法 301
参考文献 313
第6章 近邻方法的扩展及其应用 320
6.1 基于空间覆盖的相似性度量及其对应的分类算法 320
6.2 基于空间覆盖的相似性度量的特征选择算法 333
6.3 基于空间覆盖的相似性度量的层次聚类算法 340
6.4 基于类别子空间距离加权的互k近邻算法 347
6.5 针对类属性数据加权的MKnn算法 356
6.6 属性加权的类属数据近邻分类 364
参考文献 378