| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 相关理论及技术 | 第16-29页 |
| 2.1 无线传感器网络概述 | 第16-20页 |
| 2.1.1 无线传感器网络体系结构 | 第16-17页 |
| 2.1.2 无线传感器网络数据特征 | 第17-19页 |
| 2.1.3 无线传感器网络事件检测所面临的挑战 | 第19-20页 |
| 2.2 贝叶斯网络概述 | 第20-24页 |
| 2.2.1 贝叶斯网络理论基础 | 第20-22页 |
| 2.2.2 贝叶斯网络学习过程 | 第22-23页 |
| 2.2.3 贝叶斯网络推理 | 第23-24页 |
| 2.3 异常解释技术概述 | 第24-28页 |
| 2.3.1 基于评分-搜索的异常解释方法 | 第25-27页 |
| 2.3.2 基于特征选择的异常解释方法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于多属性关联的无线传感器网络异常事件检测 | 第29-42页 |
| 3.1 问题描述 | 第29页 |
| 3.2 基于贝叶斯网络的属性依赖关系模型 | 第29-33页 |
| 3.2.1 相关定义 | 第31-32页 |
| 3.2.2 属性依赖关系模型学习 | 第32-33页 |
| 3.2.3 计算属性关联置信度 | 第33页 |
| 3.3 基于多属性关联的WSN异常事件检测算法 | 第33-36页 |
| 3.3.1 时间关联性检测 | 第34-35页 |
| 3.3.2 空间关联性检测 | 第35页 |
| 3.3.3 MACAED算法描述 | 第35-36页 |
| 3.3.4 算法分析 | 第36页 |
| 3.4 实验分析 | 第36-41页 |
| 3.4.1 实验数据集 | 第36-37页 |
| 3.4.2 数据预处理 | 第37页 |
| 3.4.3 实验结果及分析 | 第37-39页 |
| 3.4.4 对比实验 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于关联子空间的异常事件解释算法研究 | 第42-55页 |
| 4.1 问题描述 | 第42-43页 |
| 4.2 相关定义 | 第43-44页 |
| 4.3 基于子空间相关度的异常子空间查找算法 | 第44-48页 |
| 4.3.1 基于加权分离度计算子空间异常得分 | 第44-45页 |
| 4.3.2 基于子空间相关度的关联子空间 | 第45-47页 |
| 4.3.3 算法描述与分析 | 第47-48页 |
| 4.4 基于关联子空间的异常事件解释算法 | 第48-49页 |
| 4.5 实验分析 | 第49-54页 |
| 4.5.1 合成数据集 | 第49-52页 |
| 4.5.2 真实数据集 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 原型系统的设计与实现 | 第55-67页 |
| 5.1 系统运行环境与开发平台 | 第55页 |
| 5.2 系统设计原则 | 第55-56页 |
| 5.3 系统核心功能模块设计 | 第56-59页 |
| 5.4 系统核心类的设计 | 第59-63页 |
| 5.5 原型系统的实现 | 第63-66页 |
| 5.6 本章小结 | 第66-67页 |
| 第六章 总结和展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间发表的学术成果 | 第73页 |