| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 相关技术研究现状 | 第12-19页 |
| 1.2.1 报警管理系统 | 第12-16页 |
| 1.2.2 报警关联分析 | 第16-18页 |
| 1.2.3 时序数据挖掘 | 第18-19页 |
| 1.3 论文内容与结构安排 | 第19-22页 |
| 第二章 报警时间序列的区块化处理 | 第22-42页 |
| 2.1 引言 | 第22页 |
| 2.2 报警时间序列的相关性 | 第22-27页 |
| 2.2.1 报警时间序列 | 第23-26页 |
| 2.2.2 相似性度量 | 第26页 |
| 2.2.3 皮尔逊相关系数 | 第26-27页 |
| 2.3 报警时间序列区块化处理 | 第27-37页 |
| 2.3.1 时间序列区块化 | 第28-29页 |
| 2.3.2 分段时间域相似度计算 | 第29-32页 |
| 2.3.3 分段时间域皮尔逊相关系数计算 | 第32-35页 |
| 2.3.4 算法复杂度分析 | 第35-37页 |
| 2.4 实例研究 | 第37-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第三章 报警序列关联分析方法 | 第42-56页 |
| 3.1 引言 | 第42页 |
| 3.2 基于数据挖掘的关联分析方法 | 第42-49页 |
| 3.2.1 最大时延相关估计 | 第43-44页 |
| 3.2.2 报警数据的相关性计算 | 第44-45页 |
| 3.2.3 报警关联聚类分析 | 第45-46页 |
| 3.2.4 基于区块化的可变时间窗 | 第46-47页 |
| 3.2.5 报警时间滞后域的统计及其符号定向图表达 | 第47-49页 |
| 3.3 基于可变时间窗的时间滞后域算法 | 第49-50页 |
| 3.4 实例研究 | 第50-54页 |
| 3.5 本章小结 | 第54-56页 |
| 第四章 应用研究 | 第56-66页 |
| 4.1 引言 | 第56页 |
| 4.2 TE过程报警时间序列的区块化处理 | 第56-60页 |
| 4.3 报警时间序列间相似度计算 | 第60-63页 |
| 4.4 报警关联聚类分析 | 第63-64页 |
| 4.5 报警时间滞后域的统计及其表达 | 第64-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第五章 结论与展望 | 第66-68页 |
| 5.1 结论 | 第66页 |
| 5.2 未来展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 研究成果及发表的学术论文 | 第74-76页 |
| 作者及导师简介 | 第76-78页 |
| 附录 | 第78-79页 |