| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 选题意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.4 存在的问题 | 第14-15页 |
| 1.5 主要研究内容及章节安排 | 第15-17页 |
| 第二章 相关技术 | 第17-25页 |
| 2.1 应用程序行为定义 | 第17页 |
| 2.2 时间序列分析概述 | 第17-19页 |
| 2.2.1 时间序列定义 | 第17-18页 |
| 2.2.2 时间序列分析 | 第18-19页 |
| 2.3 聚类分析概述 | 第19-22页 |
| 2.3.1 K均值(Kmeans)算法介绍 | 第19-20页 |
| 2.3.2 K均值算法思想 | 第20-21页 |
| 2.3.3 K均值算法的优缺点 | 第21-22页 |
| 2.4 关联规则介绍 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 基于系统环境数据的多维时间序列聚类分析 | 第25-43页 |
| 3.1 多维时间序列数据来源 | 第25-31页 |
| 3.1.1 /proc文件系统简介 | 第25页 |
| 3.1.2 系统环境的时间序列获取过程 | 第25-31页 |
| 3.2 基于系统环境数据的时间序列聚类分析 | 第31-39页 |
| 3.2.1 传统Kmeans算法对系统时间序列聚类及存在问题分析 | 第31-34页 |
| 3.2.2 改进的Kmeans对系统时间序列聚类分析及实验效果比对 | 第34-38页 |
| 3.2.3 系统历史以往全部数据特征保留方法的分析及实现 | 第38-39页 |
| 3.3 多维系统环境数据时间序列的特征提取 | 第39-42页 |
| 3.3.1 多维时间序列处理的通用方法及缺点分析 | 第39-40页 |
| 3.3.2 提出一种编码方式对环境数据时间序列降维处理 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于隐马尔科夫模型的行为识别建模 | 第43-55页 |
| 4.1 行为识别的隐马尔科夫模型建模依据及可行性分析 | 第43-45页 |
| 4.2 本文行为识别的隐马尔科夫模型介绍 | 第45-48页 |
| 4.2.1 行为识别的隐马尔科夫模型定义及建模 | 第45-46页 |
| 4.2.2 行为识别的隐马尔科夫模型的参数说明 | 第46-48页 |
| 4.2.3 隐马尔科夫模型解决行为识别的三个问题 | 第48页 |
| 4.3 基于行为识别的隐马尔科夫模型估值 | 第48-51页 |
| 4.4 基于行为识别的隐马尔科夫模型训练及学习优化 | 第51-53页 |
| 4.5 隐马尔科夫模型算法中注意事项分析及说明 | 第53-54页 |
| 4.5.1 数据下溢处理 | 第53页 |
| 4.5.2 零概率问题处理 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 系统实现与实验分析 | 第55-73页 |
| 5.1 系统分析 | 第55-56页 |
| 5.2 系统实现 | 第56-65页 |
| 5.2.1 隐马尔科夫模型训练 | 第56-62页 |
| 5.2.2 隐马尔科夫模型估值 | 第62-64页 |
| 5.2.3 隐马尔科夫模型优化 | 第64-65页 |
| 5.3 实验及结果分析 | 第65-72页 |
| 5.3.1 实验一 | 第66-67页 |
| 5.3.2 实验二 | 第67-71页 |
| 5.3.3 实验三 | 第71-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 工作总结 | 第73页 |
| 6.2 下一步工作展望 | 第73-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 附录A (攻读学位期间发表论文目录) | 第81页 |
