| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第15-27页 |
| 1.1 引言 | 第15-16页 |
| 1.2 流数据异常检测及面临的挑战 | 第16-18页 |
| 1.3 异常检测的国内外研究进展与现状 | 第18-23页 |
| 1.3.1 异常检测方法研究进展与现状 | 第18-19页 |
| 1.3.2 流数据异常检测方法进展 | 第19-21页 |
| 1.3.3 WSNs中异常检测方法研究 | 第21-23页 |
| 1.4 本文的主要工作和创新 | 第23-25页 |
| 1.5 论文的架构及章节安排 | 第25-27页 |
| 第二章 基于隔离机制和在线集成学习的流数据异常检测方法 | 第27-45页 |
| 2.1 引言 | 第27页 |
| 2.2 预备知识 | 第27-31页 |
| 2.2.1 基于隔离的异常检测 | 第27-29页 |
| 2.2.2 集成学习理论 | 第29-31页 |
| 2.3 基于隔离和在线集成学习的算法描述 | 第31-38页 |
| 2.3.1 实例-基于隔离的异常检测 | 第31-32页 |
| 2.3.2 算法框架 | 第32-33页 |
| 2.3.3 算法描述及异常判断 | 第33-35页 |
| 2.3.4 算法理论分析 | 第35-36页 |
| 2.3.5 算法复杂度分析 | 第36-38页 |
| 2.4 仿真实验和算法性能分析 | 第38-44页 |
| 2.4.1 数据集 | 第38-39页 |
| 2.4.2 算法参数设置和性能评估指标 | 第39-42页 |
| 2.4.3 仿真实验和算法性能分析 | 第42-44页 |
| 2.5 本章小结 | 第44-45页 |
| 第三章 基于统计直方图的自适应流数据异常检测方法 | 第45-68页 |
| 3.1 引言 | 第45页 |
| 3.2 预备知识 | 第45-49页 |
| 3.2.1 滑动窗口（Sliding Window, SW）模型 | 第45-47页 |
| 3.2.2 统计直方图及条目数选择 | 第47-49页 |
| 3.3 基于统计直方图的在线流数据异常检测算法 | 第49-57页 |
| 3.3.1 流数据滑动窗口机制及异常检测 | 第50-51页 |
| 3.3.2 在线自适应异常检测框架 | 第51-53页 |
| 3.3.3 基于隔离值选择的隔离树构造 | 第53-54页 |
| 3.3.4 AHIForest异常检测算法 | 第54-57页 |
| 3.3.5 算法复杂度分析 | 第57页 |
| 3.4 仿真实验和算法性能评估 | 第57-67页 |
| 3.4.1. 数据集处理 | 第58-59页 |
| 3.4.2 算法参数设置和性能评估指标 | 第59页 |
| 3.4.3 算法仿真实验验证和性能分析 | 第59-67页 |
| 3.5 本章小结 | 第67-68页 |
| 第四章 基于集成超格的流数据异常检测方法 | 第68-88页 |
| 4.1 引言 | 第68页 |
| 4.2 超格空间结构及建模 | 第68-71页 |
| 4.2.1 格的相关知识 | 第68-70页 |
| 4.2.2 超格结构建模 | 第70-71页 |
| 4.3 基于超格集成的流数据异常检测算法研究 | 第71-78页 |
| 4.3.1 超格模型及其改进 | 第71-73页 |
| 4.3.2 基于超格的在线异常检测算法 | 第73-75页 |
| 4.3.3 参数估计方法 | 第75-77页 |
| 4.3.4 基于集成的超格异常检测算法 | 第77页 |
| 4.3.5 算法复杂度分析 | 第77-78页 |
| 4.4 仿真实验和算法性能评估 | 第78-86页 |
| 4.4.1 数据集 | 第78-79页 |
| 4.4.2 性能评估指标 | 第79-80页 |
| 4.4.3 结果分析 | 第80-86页 |
| 4.5 本章小结 | 第86-88页 |
| 第五章 考虑无线传感网节点数据时空关联特性的分布式流数据异常检测方法 | 第88-105页 |
| 5.1 引言 | 第88页 |
| 5.2 WSNs分布式异常检测方法 | 第88-96页 |
| 5.2.1 问题描述 | 第88-90页 |
| 5.2.2 WSNs节点传感流数据时空关联分析 | 第90-91页 |
| 5.2.3 考虑时空关联的分布式WSNs流数据异常检测算法 | 第91-93页 |
| 5.2.4 基于网络结构的分布式隔离异常检测方法 | 第93-96页 |
| 5.2.5 算法复杂度分析 | 第96页 |
| 5.3 仿真实验及算法性能分析 | 第96-104页 |
| 5.3.1 数据集 | 第97-99页 |
| 5.3.2 数据预处理及性能评价指标 | 第99页 |
| 5.3.3 仿真实验结果和算法评价 | 第99-104页 |
| 5.4 本章小结 | 第104-105页 |
| 第六章 基于集成剪枝优化的无线传感网分布式流数据异常检测方法 | 第105-122页 |
| 6.1 引言 | 第105页 |
| 6.2 预备知识 | 第105-108页 |
| 6.2.1 无线传感网络模型 | 第105-106页 |
| 6.2.2 BBO算法及集成剪枝 | 第106-108页 |
| 6.3 基于BBO优化的分布式流数据异常检测算法 | 第108-115页 |
| 6.3.1 基于BBO集成剪枝算法框架 | 第108-109页 |
| 6.3.2 基于BBO优化方法的集成剪枝 | 第109-111页 |
| 6.3.3 节省通信资源的矩阵编码方法 | 第111-113页 |
| 6.3.4 集成剪枝的理论分析 | 第113-115页 |
| 6.4 仿真实验和算法性能分析 | 第115-121页 |
| 6.4.1 数据集和数据预处理 | 第115-118页 |
| 6.4.2 算法性能评估和BBO参数 | 第118页 |
| 6.4.3 算法性能分析 | 第118-121页 |
| 6.5 本章小结 | 第121-122页 |
| 第七章 流数据异常检测方法在智慧车联网中的应用 | 第122-133页 |
| 7.1 引言 | 第122-123页 |
| 7.2 出租车行车轨迹异常检测 | 第123-126页 |
| 7.2.1 问题描述及意义 | 第123-124页 |
| 7.2.2 出租车运行路线异常检测 | 第124-126页 |
| 7.3 基于超格的轨迹异常算法研究 | 第126-131页 |
| 7.3.1 算法设计 | 第126-130页 |
| 7.3.2 结果分析及讨论 | 第130-131页 |
| 7.4 本章小结 | 第131-133页 |
| 第八章 总结与展望 | 第133-136页 |
| 8.1 全文总结 | 第133-134页 |
| 8.2 进一步工作展望 | 第134-136页 |
| 参考文献 | 第136-147页 |
| 攻读博士学位期间公开发表的学术论文 | 第147-149页 |
| 攻读博士学位期间参加的科研项目及学术工作 | 第149-150页 |
| 项目研究 | 第149页 |
| 学术工作 | 第149-150页 |
| 致谢 | 第150-151页 |
