高纬数据流的异常检测
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 引言 | 第8-16页 |
| ·研究背景 | 第8-13页 |
| ·数据流模型简介 | 第8-10页 |
| ·数据流异常检测应用领域 | 第10-13页 |
| ·研究现状 | 第13-14页 |
| ·高维数据流的异常检测面临的难点 | 第14页 |
| ·本文的研究目标和组织结构 | 第14-16页 |
| 第二章 相关理论与技术 | 第16-37页 |
| ·高维数据流预处理的相关技术 | 第16-23页 |
| ·异常点剔除 | 第16-17页 |
| ·基于时间点和空间的数据去噪平滑 | 第17-18页 |
| ·数据流压缩和降维 | 第18-23页 |
| ·数据流异常检测的相关技术 | 第23-34页 |
| ·异常的定义 | 第23-25页 |
| ·传统静态数据的异常检测 | 第25-30页 |
| ·数据流的异常检测处理模型 | 第30-32页 |
| ·提取数据流的概要数据结构 | 第32-33页 |
| ·概要数据模型的更新 | 第33-34页 |
| ·数据流上的异常检测算法 | 第34-36页 |
| ·基于密度的方法 | 第34-35页 |
| ·基于距离的方法 | 第35页 |
| ·基于网格的方法 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第三章 基于主成分分析的数据流降维技术 | 第37-43页 |
| ·PCA 的理论算法 | 第37-38页 |
| ·高维数据流相关性分析 | 第38-43页 |
| 第四章 基于滑动窗口的数据流异常检测 | 第43-61页 |
| ·基于两个静态数据集的异常分析 | 第43-51页 |
| ·人工检测异常模式 | 第43-44页 |
| ·人工检测的数学知识 | 第44-46页 |
| ·基于样本子空间的检测算法 | 第46-48页 |
| ·基于特定子集的检测算法 | 第48-49页 |
| ·异常变化相关性 | 第49-51页 |
| ·基于滑动窗口的异常检测 | 第51-54页 |
| ·基于滑动窗口的数据流检测方法 | 第51-53页 |
| ·处理算法的分析 | 第53-54页 |
| ·算法参数设置及实验 | 第54-61页 |
| ·实验基础 | 第54-55页 |
| ·参数设置 | 第55-56页 |
| ·实验 | 第56-61页 |
| 第五章 结论 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
