| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-13页 |
| 第一章 绪论 | 第13-32页 |
| ·论文的研究背景 | 第13-22页 |
| ·告警相关性分析的定义 | 第13-15页 |
| ·告警相关性的类型 | 第15页 |
| ·告警相关性分析的难点 | 第15-16页 |
| ·告警相关性分析的方法 | 第16-21页 |
| ·知识发现方法的优势 | 第21-22页 |
| ·论文的研究内容 | 第22-27页 |
| ·仍待研究的问题 | 第22-23页 |
| ·研究方法 | 第23-24页 |
| ·研究内容 | 第24-25页 |
| ·实验数据 | 第25-27页 |
| ·论文的组织安排 | 第27-28页 |
| 参考文献 | 第28-32页 |
| 第二章 知识发现的概念与方法 | 第32-45页 |
| ·引言 | 第32页 |
| ·知识发现的定义 | 第32-33页 |
| ·知识发现的过程 | 第33-34页 |
| ·知识发现的任务 | 第34页 |
| ·序列模式挖掘 | 第34-38页 |
| ·序列挖掘的参数 | 第35页 |
| ·序列模式挖掘的算法 | 第35-38页 |
| ·支持向量机 | 第38-43页 |
| ·统计学习理论 | 第38-40页 |
| ·线性支持向量机 | 第40-42页 |
| ·非线性支持向量机 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 参考文献 | 第44-45页 |
| 第三章 网络告警的增量式情景规则挖掘 | 第45-71页 |
| ·引言 | 第45-46页 |
| ·情景规则的基木概念 | 第46-48页 |
| ·情景规则挖掘的基本方法—WINEPI算法 | 第48-51页 |
| ·WINEPI的基本原理 | 第48-50页 |
| ·WINEPI的算法框架 | 第50-51页 |
| ·时间窗改变时的增量式情景规则挖掘 | 第51-59页 |
| ·TWIER的基本原理 | 第51-55页 |
| ·TWIER的算法框架 | 第55-57页 |
| ·实验与结果分析 | 第57-59页 |
| ·告警数据增加时的增量式情景规则挖掘 | 第59-68页 |
| ·IERMA的基本原理 | 第59-64页 |
| ·IERMA的算法框架 | 第64-66页 |
| ·实验与结果分析 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 第四章 基于支持向量机的告警预测模式挖掘 | 第71-92页 |
| ·引言 | 第71-72页 |
| ·告警预测的数学模型 | 第72-73页 |
| ·现有的研究方法 | 第73-77页 |
| ·基于序列模式挖掘的方法 | 第74-75页 |
| ·基于遗传算法的方法 | 第75-76页 |
| ·基于分类的方法 | 第76-77页 |
| ·基于支持向量机的告警预测模式挖掘 | 第77-85页 |
| ·特征提取 | 第78-79页 |
| ·预处理 | 第79页 |
| ·SVM分类器训练 | 第79-80页 |
| ·实验与结果分析 | 第80-85页 |
| ·利用虚样本提高预测的性能 | 第85-89页 |
| ·虚样本方法 | 第86-87页 |
| ·基于虚 SV方法构造target虚样本 | 第87-88页 |
| ·实验与结果分析 | 第88-89页 |
| ·本章小结 | 第89-90页 |
| 参考文献 | 第90-92页 |
| 第五章 基于临近支持向量机的告警预测模式挖掘 | 第92-114页 |
| ·引言 | 第92-93页 |
| ·PSVM的基本原理 | 第93-96页 |
| ·线性核函数条件下的PSVM | 第94-95页 |
| ·非线性核函数条件下的PSVM | 第95-96页 |
| ·基于 PSVM的告警预测模式挖掘 | 第96-105页 |
| ·对 PSVM的改进—基于非平衡惩罚的PSVM | 第96-101页 |
| ·问题的提出 | 第96-97页 |
| ·PSVM-UP的基本原理 | 第97-99页 |
| ·PSVM与PSVM-UP的计算复杂度分析 | 第99-101页 |
| ·基于 PSVM的告警预测模式挖掘 | 第101页 |
| ·基于 PSVM的重大告警预测系统模型 | 第101-103页 |
| ·实验与结果分析 | 第103-105页 |
| ·利用低秩估计提高非线性 PSVM的训练速度 | 第105-112页 |
| ·低秩估计 | 第106-107页 |
| ·基于 Nystrom估计的快速非线性 PSVM训练方法 | 第107-109页 |
| ·实验与结果分析 | 第109-112页 |
| ·本章小结 | 第112-113页 |
| 参考文献 | 第113-114页 |
| 第六章 结束语 | 第114-117页 |
| ·本文的总结 | 第114-115页 |
| ·进一步的工作 | 第115-117页 |
| 博士期间发表的论文 | 第117-118页 |
| 致谢 | 第118页 |