时空异常探测理论与方法
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-25页 |
| ·研究背景 | 第11-14页 |
| ·研究意义 | 第14-15页 |
| ·国内外研究进展 | 第15-22页 |
| ·空间聚类方法 | 第15-17页 |
| ·时空聚类方法 | 第17页 |
| ·神经网络在时空异常探测中的应用 | 第17-18页 |
| ·空间异常探测 | 第18-19页 |
| ·时空异常探测 | 第19-21页 |
| ·存在的问题 | 第21-22页 |
| ·本文主要研究工作及结构安排 | 第22-25页 |
| ·本文主要研究内容 | 第22-23页 |
| ·本文结构安排 | 第23-25页 |
| 第二章 时空异常的特征、分类与探测方法分析 | 第25-43页 |
| ·时空数据的特征及分类 | 第25-29页 |
| ·空间数据的特征 | 第25-26页 |
| ·时空数据的特征 | 第26页 |
| ·时空数据的模型 | 第26-28页 |
| ·时空数据的分类 | 第28-29页 |
| ·时空异常的特征及分类 | 第29-33页 |
| ·传统异常的特征 | 第29-30页 |
| ·空间异常的特征 | 第30-31页 |
| ·时空异常的特征 | 第31-33页 |
| ·时空异常的分类 | 第33页 |
| ·时空异常探测框架 | 第33-35页 |
| ·时空异常探测方法比较分析 | 第35-42页 |
| ·传统异常探测方法 | 第35-36页 |
| ·空间异常探测方法 | 第36-40页 |
| ·时空异常探测方法 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第三章 基于统计学的时空异常探测方法 | 第43-62页 |
| ·引言 | 第43-45页 |
| ·基于邻近域的空间异常统计探测方法 | 第45-51页 |
| ·基于邻近域的空间异常统计探测方法原理 | 第45-46页 |
| ·基于邻近域的空间异常统计探测算法 | 第46-47页 |
| ·基于有约束邻近域的空间异常统计探测方法 | 第47页 |
| ·算例分析 | 第47-51页 |
| ·基于邻近域的时空异常统计探测方法 | 第51-61页 |
| ·基于邻近域的时空异常统计探测方法原理 | 第51-52页 |
| ·基于邻近域的时空异常统计探测算法 | 第52页 |
| ·算例分析 | 第52-61页 |
| ·本章小结 | 第61-62页 |
| 第四章 基于聚类分析的时空异常探测方法 | 第62-91页 |
| ·引言 | 第62-63页 |
| ·基于双重距离空间聚类的空间异常探测方法 | 第63-67页 |
| ·基于双重距离的空间聚类原理 | 第63-65页 |
| ·基于双重距离的空间聚类算法及异常探测 | 第65-66页 |
| ·算例分析 | 第66-67页 |
| ·基于密度自适应空间聚类的空间异常探测方法 | 第67-81页 |
| ·密度自适应空间聚类原理 | 第68-71页 |
| ·密度自适应空间聚类算法 | 第71-74页 |
| ·基于密度自适应空间聚类的空间异常探测 | 第74-76页 |
| ·算例分析 | 第76-81页 |
| ·基于概念格时空聚类的时空异常探测方法 | 第81-89页 |
| ·基于概念格的时空聚类原理 | 第81-83页 |
| ·基于概念格的时空聚类算法 | 第83-84页 |
| ·基于概念格时空聚类的异常探测 | 第84页 |
| ·算例分析 | 第84-89页 |
| ·本章小结 | 第89-91页 |
| 第五章 基于BP神经网络的时空异常探测方法 | 第91-114页 |
| ·引言 | 第91-93页 |
| ·BP神经网络 | 第93-97页 |
| ·BP神经网络的特征 | 第93-94页 |
| ·BP神经网络学习样本的设计 | 第94-95页 |
| ·BP神经网络学习规则的研究 | 第95-97页 |
| ·基于BP神经网络的空间异常探测方法 | 第97-105页 |
| ·面向空间异常探测的BP神经网络设计 | 第97-99页 |
| ·基于BP网络的空间异常度量 | 第99页 |
| ·算例分析 | 第99-105页 |
| ·基于BP神经网络的时空异常探测 | 第105-112页 |
| ·面向时空异常探测的BP神经网络设计 | 第105-106页 |
| ·算例分析 | 第106-112页 |
| ·本章小结 | 第112-114页 |
| 第六章 基于关联规则的时空异常可靠性分析 | 第114-134页 |
| ·引言 | 第114-116页 |
| ·基于关联规则的异常可靠性分析框架 | 第116-117页 |
| ·时空关联规则挖掘 | 第117-129页 |
| ·关联规则挖掘 | 第117-118页 |
| ·基于Voronoi图的空间关联规则挖掘 | 第118-120页 |
| ·基于事件影响域的时空关联规则挖掘 | 第120-122页 |
| ·算例分析 | 第122-129页 |
| ·基于关联规则的时空异常数据过滤 | 第129-131页 |
| ·时空异常定量化评价 | 第131-133页 |
| ·本章小结 | 第133-134页 |
| 第七章 结论与展望 | 第134-139页 |
| ·本文总结 | 第134-136页 |
| ·本文创新点 | 第136-137页 |
| ·讨论与展望 | 第137-139页 |
| 参考文献 | 第139-149页 |
| 致谢 | 第149-150页 |
| 感谢 | 第150-151页 |
| 攻读博士学位期间主要研究成果 | 第151-152页 |
