首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

基于数据挖掘的分布式异常检测

摘要第1-7页
ABSTRACT第7-12页
第一章 绪论第12-20页
   ·异常检测概述第12-15页
     ·异常的定义第12-13页
     ·异常的分类第13-14页
     ·异常检测方法第14-15页
   ·异常检测的应用领域第15-17页
     ·网络入侵检测第15-16页
     ·科学数据新颖性挖掘第16页
     ·欺诈检测第16-17页
     ·医疗病历分析/工业健康管理第17页
   ·异常检测要解决的关键问题第17-18页
   ·本文的贡献第18页
   ·本文的组织结构第18-20页
第二章 相关工作第20-32页
   ·异常检测的研究现状第20-21页
   ·传统的异常检测模型第21-30页
     ·基于分布(Distribution-based)的方法第21-22页
     ·基于深度(Depth-based)的方法第22-23页
     ·基于图(Graph-based)的方法第23-24页
     ·基于聚类(Clustering-based)的方法第24页
     ·基于距离(Distance-based)的方法第24-26页
     ·基于密度(Density-based)的方法第26-28页
     ·基于神经网络(Neural Network-based)的方法第28-29页
     ·基于支持向量机(Support Vector Machine-based)的方法第29-30页
   ·异常检测模型性能指标第30-32页
第三章 分布式异常检测第32-74页
   ·研究动机第32-33页
   ·相关工作第33-34页
   ·问题定义第34-36页
   ·集成学习与异常检测第36-39页
   ·基于有监督学习的分布式异常检测第39-55页
     ·基于有监督学习的异常检测算法第39-42页
     ·基于模型交换的有监督学习分布式异常检测技术第42-46页
     ·实验仿真第46-55页
   ·基于无监督学习的分布式异常检测第55-71页
     ·基于无监督学习的异常检测算法第56-59页
     ·基于模型交换的无监督学习分布式异常检测技术第59-65页
     ·实验仿真第65-71页
   ·理论分析和推导第71-72页
   ·小结第72-74页
第四章 数据流上的在线异常检测第74-89页
   ·研究动机第74-75页
   ·相关工作第75页
   ·概念漂移检测第75-78页
   ·基于响应式学习的在线异常检测技术第78-79页
   ·实验仿真第79-87页
   ·小结第87-89页
第五章 高维数据上的异常检测第89-100页
   ·研究动机第89页
   ·投影异常检测第89-94页
     ·主分量分析(Principal Component Analyze)第90-91页
     ·独立分量分析(Independent Component Analyze)第91-92页
     ·自适应谱聚类分析(Adaptive Spectral Clustering Analyze)第92-94页
   ·实验仿真第94-99页
     ·高维数据聚类的实验第94-95页
     ·科学数据集上的分布式异常检测第95-99页
   ·小结第99-100页
第六章 基于隐私保护的异常检测第100-114页
   ·研究动机第100-101页
   ·隐私保护评价标准第101-106页
     ·数据质量第103-104页
     ·隐私程度第104-105页
     ·复杂性分析第105-106页
   ·基于隐私保护支持向量机的异常检测第106-107页
   ·个性化隐私保护第107-112页
     ·基于个性化隐私度的数据扰动第108-110页
     ·防止链接攻击的多版本隐私数据发布第110-111页
     ·基于个性化隐私保护的分布式异常检测第111-112页
   ·小结第112-114页
第七章 结论第114-116页
   ·本文总结第114页
   ·未来工作展望第114-116页
致谢第116-117页
参考文献第117-125页
攻博期间取得的研究成果第125-127页

论文共127页,点击 下载论文
上一篇:宽带时域采集系统技术研究
下一篇:微波信号光学模数转换方法的研究