| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 研究内容及结构安排 | 第18-19页 |
| 1.3.1 研究内容 | 第18页 |
| 1.3.2 结构安排 | 第18-19页 |
| 1.4 本章小结 | 第19-21页 |
| 第二章 车联网异常检测及数据恢复相关方法 | 第21-29页 |
| 2.1 车联网概述 | 第21-23页 |
| 2.1.1 车联网场景建模 | 第21-22页 |
| 2.1.2 车联网异常检测及数据恢复的动机 | 第22-23页 |
| 2.1.3 车联网异常检测及数据恢复的挑战 | 第23页 |
| 2.2 异常检测 | 第23-26页 |
| 2.2.1 异常数据的基本概念及产生原因 | 第23-24页 |
| 2.2.2 异常检测的几种常用方法 | 第24-26页 |
| 2.3 数据恢复 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 基于动态贝叶斯网络模型的异常检测及数据恢复 | 第29-49页 |
| 3.1 动态贝叶斯网络相关理论 | 第29-35页 |
| 3.1.1 贝叶斯网络基本概念 | 第29页 |
| 3.1.2 动态贝叶斯网络基本概念 | 第29-30页 |
| 3.1.3 动态贝叶斯网络学习算法 | 第30-34页 |
| 3.1.4 动态贝叶斯网络推理算法 | 第34-35页 |
| 3.2 DBN接口算法描述 | 第35-39页 |
| 3.2.1 构建1(1/2)时间片DBN联接树 | 第36-37页 |
| 3.2.2 前向算法 | 第37-38页 |
| 3.2.3 后向算法 | 第38-39页 |
| 3.3 最优阈值性能分析 | 第39-42页 |
| 3.3.1 性能指标 | 第40-41页 |
| 3.3.2 最优阈值选择 | 第41-42页 |
| 3.4 仿真结果分析 | 第42-48页 |
| 3.4.1 实验设置 | 第42-43页 |
| 3.4.2 算法性能分析 | 第43-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于时空相关性组合模型的异常检测及数据恢复 | 第49-67页 |
| 4.1 时空相关性分析理论 | 第49-51页 |
| 4.1.1 相关系数 | 第49-50页 |
| 4.1.2 自相关系数 | 第50-51页 |
| 4.2 算法描述 | 第51-55页 |
| 4.2.1 指数平滑算法 | 第51-53页 |
| 4.2.2 最小二乘估计算法 | 第53页 |
| 4.2.3 组合模型算法 | 第53-55页 |
| 4.3 参数选择 | 第55-56页 |
| 4.3.1 平滑系数选择 | 第55页 |
| 4.3.2 权重系数选择 | 第55-56页 |
| 4.3.3 最优阈值选择 | 第56页 |
| 4.4 仿真结果分析 | 第56-64页 |
| 4.4.1 实验设置 | 第56-59页 |
| 4.4.2 算法性能分析 | 第59-64页 |
| 4.5 本章小结 | 第64-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 论文总结 | 第67-68页 |
| 5.2 研究展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 作者简介 | 第75-76页 |