| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题背景和意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 数据流挖掘方法及异常检测概述 | 第15-17页 |
| 1.2.2 面临的挑战 | 第17-18页 |
| 1.3 本文的工作 | 第18页 |
| 1.4 论文结构 | 第18-20页 |
| 第二章 聚类与数据流聚类理论基础 | 第20-34页 |
| 2.1 数据聚类基本概念 | 第20页 |
| 2.2 数据流聚类理论 | 第20-32页 |
| 2.2.1 数据特征提取 | 第22-24页 |
| 2.2.2 数据聚类 | 第24-29页 |
| 2.2.3 数据流聚类算法 | 第29-32页 |
| 2.3 本章小结 | 第32-34页 |
| 第三章 基于维度空间柔性划分的聚类算法研究 | 第34-40页 |
| 3.1 粗糙集 | 第34-35页 |
| 3.2 SCGD算法 | 第35-39页 |
| 3.2.1 数值属性维度空间邻域粒子化 | 第35-36页 |
| 3.2.2 SCGD算法流程 | 第36-37页 |
| 3.2.3 算法分析 | 第37-38页 |
| 3.2.4 实验与分析 | 第38-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 基于维度最大熵数据流聚类的异常检测方法 | 第40-48页 |
| 4.1 最大熵原理 | 第40-41页 |
| 4.2 DSC-Stream算法 | 第41-46页 |
| 4.2.1 相关定义 | 第41-42页 |
| 4.2.2 衰减模型 | 第42-43页 |
| 4.2.3 算法流程 | 第43-45页 |
| 4.2.4 算法分析 | 第45-46页 |
| 4.3 本章小结 | 第46-48页 |
| 第五章 基于DSC-Stream的实时异常检测实验与分析 | 第48-56页 |
| 5.1 算法对比分析 | 第48-51页 |
| 5.1.1 UCI标准数据集对比检验 | 第48-50页 |
| 5.1.2 异常检测 | 第50-51页 |
| 5.2 TE仿真模型检验 | 第51-55页 |
| 5.2.1 TE模型 | 第51-52页 |
| 5.2.2 结果分析 | 第52-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 结束语 | 第56-58页 |
| 6.1 本文工作 | 第56-57页 |
| 6.2 总结与展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 研究成果及发表的学术论文 | 第64-66页 |
| 作者和导师简介 | 第66-67页 |
| 附件 | 第67-68页 |