| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状分析 | 第8-13页 |
| 1.2.1 常见异常类型 | 第8-10页 |
| 1.2.2 国内外发展概况 | 第10-13页 |
| 1.3 本文主要研究内容及安排 | 第13-16页 |
| 2 动态系统测量数据的相似性度量及模式表示 | 第16-28页 |
| 2.1 动态系统测量数据相似性度量 | 第16-18页 |
| 2.2 动态系统测量数据的模式表示 | 第18-26页 |
| 2.2.1 动态系统测量数据模式表示分类 | 第19-20页 |
| 2.2.2 动态系统测量数据分段线性表示算法的典型分类方法 | 第20-22页 |
| 2.2.3 动态系统测量数据分段线性表示算法的评价指标设置 | 第22-23页 |
| 2.2.4 动态系统测量数据分段线性表示算法比较及仿真分析 | 第23-26页 |
| 2.3 本章小结 | 第26-28页 |
| 3 一维动态系统测量数据模式异常检测 | 第28-46页 |
| 3.1 一维动态系统测量数据的数学描述 | 第28页 |
| 3.2 含噪声与不等间隔数据的动态系统测量数据预处理 | 第28-35页 |
| 3.2.1 动态系统测量数据改进组合方法的剔野处理 | 第28-33页 |
| 3.2.2 动态系统测量数据的插值处理 | 第33-34页 |
| 3.2.3 动态系统测量数据的周期提取 | 第34-35页 |
| 3.3 基于改进DTW的动态系统测量数据模式异常检测 | 第35-41页 |
| 3.3.1 改进DTW的动态系统测量数据检测算法 | 第35-38页 |
| 3.3.2 实验及结果分析 | 第38-41页 |
| 3.4 基于距离和密度的动态系统测量数据模式异常检测 | 第41-45页 |
| 3.4.1 基于模式特征的K-近邻动态系统测量数据检测算法 | 第41-43页 |
| 3.4.2 实验及结果分析 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 4 多维动态系统测量数据模式异常检测 | 第46-62页 |
| 4.1 多维动态系统测量数据的数学描述 | 第46页 |
| 4.2 基于Q滤波的多维动态系统测量数据模式异常检测 | 第46-52页 |
| 4.2.1 Q滤波算法 | 第46-47页 |
| 4.2.2 基于Q滤波的动态系统测量数据检测算法 | 第47-48页 |
| 4.2.3 实验及结果分析 | 第48-52页 |
| 4.3 基于深度学习的多维动态系统测量数据模式异常检测 | 第52-60页 |
| 4.3.1 动态系统测量数据的预测 | 第52页 |
| 4.3.2 基于深度学习的动态系统测量数据预测方法 | 第52-54页 |
| 4.3.3 动态系统测量数据的异常检测方法设计 | 第54-57页 |
| 4.3.4 实验及结果分析 | 第57-60页 |
| 4.4 本章小结 | 第60-62页 |
| 5 异常检测系统的设计与实现 | 第62-70页 |
| 5.1 异常检测系统的架构设计 | 第62-63页 |
| 5.2 异常检测系统功能分解 | 第63-64页 |
| 5.3 异常检测系统应用实例 | 第64-68页 |
| 5.4 本章小结 | 第68-70页 |
| 6 总结与展望 | 第70-72页 |
| 6.1 本文总结 | 第70页 |
| 6.2 本研究主要贡献 | 第70-71页 |
| 6.3 研究展望 | 第71-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 在校学习期间发表的论文及成果 | 第78页 |
