基于张量分析的网络异常检测

摘要	第1-6页
ABSTRACT	第6-10页
第一章 绪论	第10-20页
·研究背景及意义	第10-12页
·网络流量异常检测研究现状	第12-17页
·基于向量模式的机器学习算法	第14-15页
·基于张量模式的机器学习算法	第15-17页
·论文主要内容	第17页
·论文结构	第17-20页
第二章 张量主成分分析	第20-40页
·网络流量数据	第20-23页
·主成分分析(PCA)	第23-25页
·Tucker 分解	第25-34页
·模拟生成包含异常的网络流量数据	第34-35页
·异常检测指标及评价标准	第35-36页
·PCA 与 Tucker 算法性能比较	第36-38页
·本章小结	第38-40页
第三章 存在相关信息数据的检测	第40-46页
·相关信息	第40-41页
·模拟产生维度存在相关性数据	第41页
·PCA 与 Tucker 算法性能对比	第41-44页
·本章小结	第44-46页
第四章 Cross-HOSVDs 方法	第46-56页
·Cross-HOSVDs 基础知识	第46-51页
·张量子空间	第46页
·张量数据变换	第46-49页
·张量的多模乘法	第49-51页
·定义 Cross-HOSVDs 算法	第51页
·Cross-HOSVDs 算法的实现	第51页
·算法对比结果	第51-54页
·本章小结	第54-56页
第五章 总结与展望	第56-58页
·论文工作总结	第56-57页
·未来的工作	第57-58页
参考文献	第58-64页
致谢	第64-66页
附录	第66-78页
攻读硕士学位期间发表的学术论文目录	第78-79页