姚远、张俊星、徐国凯编著的《动态数据流分类方法及其在民族信息数据挖掘中的应用》介绍了近年来应用于动态数据流分类领域中的几种较新颖的分类方法，包括集成学习数据流分类方法、增量式学习数据流分类方法、数据流概念漂移检测及学习，以及数据流分类技术在民族信息数据挖掘中的应用等内容，研究了它们的原理、特点、性能及应用情况。

动态数据流挖掘是近年来学术界研究的热点问题之一，由于其本身具有海量性、实时性及动态变化性等特点，因此在利用传统数据挖掘方法对数据流进行处理时，很难得到令人满意的结果。

姚远、张俊星、徐国凯编著的《动态数据流分类方法及其在民族信息数据挖掘中的应用》以动态数据流分类问题为切入点，着重介绍了近些年的动态数据流分类问题研究进展，提出了相关技术方法，以民族信息处理为背景，通过案例对相关技术方法进行深入说明。本书内容新颖，融入了近年来学术界与工商业界提出的新方法和新技术，并给出了进一步扩展。

本书可作为信息与工程、计算机应用技术等专科、本科，以及研究生教学用书，也可供相关研究人员参考。

第1章 绪论

 1.1 引言

 1.2 数据挖掘概述

1.2.1 数据挖掘基本概念介绍

1.2.2 数据挖掘基本技术介绍

 1.3 动态数据挖掘概述

1.3.1 动态数据挖掘概念介绍

1.3.2 数据流挖掘研究意义

1.3.3 动态数据分类方法国内外研究现状

 1.4 本章小结

第2章 数据流挖掘技术

 2.1 概述

 2.2 数据流挖掘相关技术简介

2.2.1 滑动窗口技术

2.2.2 动态抽样技术

2.2.3 数据概要方法

2.2.4 更新策略

2.2.5 数据流预处理技术

 2.3 数据流挖掘基本算法介绍

2.3.1 数据流聚类算法

2.3.2 数据流分类算法

2.3.3 数据流频繁规则挖掘算法

2.3.4 多数据流挖掘算法

 2.4 数据流挖掘技术相关应用

 2.5 本章小结

第3章 集成学习数据流分类技术

 3.1 概述

3.1.1 集成学习基本理论

3.1.2 集成学习研究现状

 3.2 Learn++系列算法

3.2.1 Learn++介绍

3.2.2 Learn+

3.2.3 Learn+

3.2.4 Learn+

3.2.5 Learn++

 3.3 基于SVM-SOM的数据流混合分类方法

3.3.1 SVM模型介绍

3.3.2 SOM模型介绍

3.3.3 粒子群与遗传算法介绍

3.3.4 SVM-SOM混合模型构建方法

 3.4 集成学习结果合并方法

3.4.1 基于均值的合并方法

3.4.2 投票合并方法

3.4.3 其他合并方法

 3.5 本章小结

第4章 增量式学习数据流分类方法

 4.1 概述

 4.2 传统分类器存在问题及解决方法

 4.3 增量式相关算法介绍

 4.4 基于轮转式结构的增量式数据流分类模型

4.4.1 算法介绍

4.4.2 实验及结果分析

 4.5 其他增量式分类模型介绍

4.5.1 基于增量式学习的极端学习机分类模型

4.5.2 数据流可调节增量学习模型

4.5.3 基于增量式学习的非稳定数据流分类模型

4.5.4 基于增量式学习的LSVM模型

 4.6 本章小结

第5章 数据流概念漂移挖掘方法

 5.1 概述

5.1.1 概念漂移介绍

5.1.2 概念漂移研究现状

5.1.3 概念漂移检测方法介绍

 5.3 基于KL-distance的数据流分类模型

5.3.1 算法介绍

5.3.2 实验结果

 5.4 基于集成学习的概念漂移分类模型

5.4.1 算法介绍

5.4.2 实验结果

 5.4 概念漂移可视化研究

5.4.1 可视化算法介绍

5.4.2 实验结果

 5.5 本章小结

第6章 民族信息数据流挖掘应用

 6.1 概述

 6.2 少数民族信息数据挖掘现状

 6.3 数据流分类在少数民族信息挖掘中的应用——少数民族乐器分类模型

6.3.1 模型框架

6.3.2 算法介绍

6.3.3 实验结果及分析

 6.4 本章小结

参考文献