首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

基于多示例学习的异常行为检测方法研究

摘要第1-5页
ABSTRACT第5-8页
第一章 绪论第8-15页
   ·研究背景和意义第8-9页
   ·国内外研究现状第9-14页
     ·视频监控系统第9-10页
     ·异常行为检测方法的研究现状第10-13页
     ·异常行为检测方法存在的挑战第13-14页
   ·本文主要工作和安排第14-15页
第二章 基于多示例学习的异常行为检测方法的动机和框架第15-23页
   ·异常行为检测方法研究第15-18页
   ·基于多示例学习的异常行为检测方法第18-21页
   ·本章小结第21-23页
第三章 轨迹分段方法第23-31页
   ·轨迹的获取第23-25页
   ·轨迹分段方法第25-30页
     ·Jae-Gil Lee等人的分段方法第25-27页
     ·Zhou Yue等人的分段方法第27-28页
     ·William Chen等人的分段方法第28页
     ·Faisal Bashir等人的分段方法第28-30页
   ·衡量轨迹分段结果的标准第30页
   ·本章小结第30-31页
第四章 轨迹表示第31-52页
   ·引言第31-32页
   ·隐马尔科夫模型相关理论第32-39页
     ·马尔科夫性质第32页
     ·马尔可夫链第32-33页
     ·隐马尔科夫模型第33-39页
   ·层次狄利克雷过程-隐马尔可夫模型第39-51页
     ·狄利克雷过程第40-45页
     ·层次狄利克雷过程第45-47页
     ·层次狄利克雷过程-隐马尔可夫模型第47-48页
     ·层次狄利克雷过程的采样方法第48-51页
   ·本章小结第51-52页
第五章 多示例学习第52-56页
   ·轴平行矩形算法第52-53页
   ·多样性密度算法第53-54页
   ·Citation kNN算法第54页
   ·支持向量机算法第54-55页
   ·本章小结第55-56页
第六章 基于多示例学习的异常行为检测方法实验第56-68页
   ·数据集介绍第56-57页
   ·数据集1上的实验第57-60页
   ·数据集2上的实验第60-63页
   ·实验结果第63-66页
   ·本章小结第66-68页
第七章 总结与展望第68-69页
致谢第69-70页
发表文章目录第70页
参与国内/国际会议第70页
获奖情况第70-71页
参考文献第71-78页

论文共78页,点击 下载论文
上一篇:桥梁监测系统中智能传感器网络的技术体系研究
下一篇:基于复合传感材料和选择性探针的电化学和光化学传感器