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

云网融合环境下的多源数据采集和异常检测算法研究

摘要第3-4页
ABSTRACT第4-5页
第一章 引言第11-17页
    1.1 研究背景及意义第11-12页
    1.2 国内外研究现状第12-15页
        1.2.1 数据采集方法研究现状第12-14页
        1.2.2 异常检测方法研究现状第14-15页
    1.3 论文研究内容第15-16页
    1.4 论文结构组织第16-17页
第二章 相关研究第17-24页
    2.1 OpenStack融合OpenDaylight介绍第17-19页
        2.1.1 OpenStack概述第17页
        2.1.2 OpenDaylight概述第17-18页
        2.1.3 OpenStack融合OpenDaylight概述第18-19页
    2.2 数据采集方法概述第19-22页
        2.2.1 数据采集方式第19页
        2.2.2 采集工具概述第19-22页
    2.3 异常检测模型性能评价指标第22-23页
    2.4 本章小结第23-24页
第三章 数据采集需求分析与设计第24-31页
    3.1 数据采集需求分析第24-27页
        3.1.1 数据采集综合需求第24页
        3.1.2 数据采集指标需求第24-27页
    3.2 数据采集模块设计第27-30页
        3.2.1 数据采集功能架构设计第28-30页
        3.2.2 采集插件设计第30页
    3.3 本章小结第30-31页
第四章 异常检测模型的建立第31-42页
    4.1 模型的构建第31-33页
    4.2 模型的训练第33-41页
        4.2.1 样本均衡化第33-34页
        4.2.2 DBN特征提取第34-38页
        4.2.3 LR二分类第38-39页
        4.2.4 弱分类器集成第39-41页
    4.3 本章小结第41-42页
第五章 实验结果与分析第42-57页
    5.1 数据采集实现与实验第42-48页
        5.1.1 自定义数据采集流程第42-44页
        5.1.2 OpenDaylight网络拓扑数据获取第44-45页
        5.1.3 实验环境第45页
        5.1.4 实验操作第45-46页
        5.1.5 监控数据展示第46-47页
        5.1.6 历史数据提取第47-48页
    5.2 异常检测实验与分析第48-56页
        5.2.1 实验环境第48页
        5.2.2 实验数据第48-49页
        5.2.3 数据预处理第49-50页
        5.2.4 实验参数设置第50-51页
        5.2.5 弱分类器训练第51-52页
        5.2.6 集成模型第52-53页
        5.2.7对比实验第53-56页
    5.3 本章小结第56-57页
第六章 总结与展望第57-59页
    6.1 本文总结第57-58页
    6.2 未来展望第58-59页
参考文献第59-63页
附录第63-68页
致谢第68-69页
攻读硕士期间发表的论文第69-70页
参加项目第70页

论文共70页,点击 下载论文
上一篇:低冰镍钙化焙烧的反应过程及机理研究
下一篇:流媒体服务器负载均衡算法研究与应用