面向流式大数据的预测式复杂事件处理技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 复杂事件处理及预测分析的研究现状 | 第15-17页 |
| 1.2.2 贝叶斯网络的研究现状 | 第17-18页 |
| 1.3 本文主要研究内容 | 第18-19页 |
| 1.4 本文组织结构 | 第19-20页 |
| 第2章 复杂事件处理基本理论及相关研究 | 第20-34页 |
| 2.1 复杂事件处理基本理论 | 第20-26页 |
| 2.1.1 复杂事件检测模型 | 第21-25页 |
| 2.1.2 复杂事件处理和上下文 | 第25-26页 |
| 2.2 贝叶斯网络模型 | 第26-30页 |
| 2.2.1 基本理论与定义 | 第26-29页 |
| 2.2.2 动态贝叶斯网络 | 第29-30页 |
| 2.3 贝叶斯网络学习 | 第30-33页 |
| 2.3.1 贝叶斯网络结构学习 | 第30-32页 |
| 2.3.2 贝叶斯网络参数学习 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于演化贝叶斯网络的预测式复杂事件处理 | 第34-47页 |
| 3.1 系统框架及模型 | 第34-36页 |
| 3.1.1 系统框架 | 第34-35页 |
| 3.1.2 用于预测CEP的贝叶斯网络模型 | 第35-36页 |
| 3.2 贝叶斯网络的演化 | 第36-42页 |
| 3.2.1 贝叶斯网络结构的演化 | 第36-41页 |
| 3.2.2 贝叶斯网络参数的演化 | 第41-42页 |
| 3.3 实验与分析 | 第42-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于变结构动态贝叶斯网络的预测方法 | 第47-56页 |
| 4.1 系统框架 | 第47-48页 |
| 4.2 变结构动态贝叶斯网络 | 第48-52页 |
| 4.2.1 上下文聚类 | 第48-51页 |
| 4.2.2 模型的实时更新 | 第51-52页 |
| 4.3 实验与分析 | 第52-54页 |
| 4.4 本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录 A 攻读学位期间所发表的学术论文 | 第62-63页 |
| 附录 B 攻读学位期间参加的科研项目 | 第63-64页 |
| 致谢 | 第64页 |
