| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-17页 |
| 1.1.1 复杂事件处理概述 | 第12-15页 |
| 1.1.2 复杂事件规则 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.2.1 复杂事件处理研究现状 | 第17-18页 |
| 1.2.2 复杂事件规则学习研究现状 | 第18-19页 |
| 1.3 本文的主要内容 | 第19-20页 |
| 1.4 本文结构与章节安排 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第2章 复杂事件规则学习的相关研究 | 第22-36页 |
| 2.1 事件模式语言 | 第22-25页 |
| 2.1.1 RAPIDE事件模式语言 | 第22-23页 |
| 2.1.2 TESLA事件模式语言 | 第23-24页 |
| 2.1.3 抽象模式语言 | 第24-25页 |
| 2.2 基于隐马尔可夫模型的规则学习算法 | 第25-28页 |
| 2.2.1 相关背景 | 第25页 |
| 2.2.2 算法思想 | 第25-28页 |
| 2.3 约束模块化的规则学习算法 | 第28-32页 |
| 2.3.1 相关背景 | 第28页 |
| 2.3.2 算法思想 | 第28-31页 |
| 2.3.3 实验设计及结果分析 | 第31-32页 |
| 2.4 实时更新的规则学习算法 | 第32-35页 |
| 2.4.1 相关背景 | 第32页 |
| 2.4.2 算法思想 | 第32-33页 |
| 2.4.3 实验分析 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 基于序列树的模块化规则学习方法 | 第36-44页 |
| 3.1 模块化规则学习算法 | 第36-37页 |
| 3.2 基于序列树的模块化规则学习算法 | 第37-39页 |
| 3.2.1 原算法的缺陷 | 第37页 |
| 3.2.2 基于序列树的改进算法 | 第37-39页 |
| 3.3 实验及结果分析 | 第39-43页 |
| 3.3.1 实验流程设计 | 第39-40页 |
| 3.3.2 实验结果及分析 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于shapelets的规则学习算法 | 第44-66页 |
| 4.1 基于shapelets的时间序列分类算法 | 第44-50页 |
| 4.1.1 时间序列 | 第44-45页 |
| 4.1.2 基于shapelets的时间序列分类算法 | 第45-50页 |
| 4.2 基于shapelets的复杂事件规则学习 | 第50-55页 |
| 4.2.1 时间序列早期分类与CEP的契合 | 第50-51页 |
| 4.2.2 基于shapelets的单事件规则学习 | 第51-52页 |
| 4.2.3 基于shapelets的多事件规则学习 | 第52-55页 |
| 4.3 基于shapelets规则的复杂事件处理 | 第55-59页 |
| 4.3.1 Esper处理引擎 | 第56-57页 |
| 4.3.2 shapelets转换成EPL规则 | 第57-58页 |
| 4.3.3 基于shapelets规则的模式匹配 | 第58-59页 |
| 4.4 实验设计以及结果分析 | 第59-64页 |
| 4.4.1 单事件规则实验设计及分析 | 第59-61页 |
| 4.4.2 多事件规则实验设计及分析 | 第61-64页 |
| 4.5 本章小结 | 第64-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 附录A 攻读硕士学位期间发表的学术论文目录 | 第71-72页 |
| 附录B 攻读学位期间所参加的科研项目目录 | 第72-73页 |
| 致谢 | 第73页 |
