| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 选题意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 存在的问题 | 第12-13页 |
| 1.5 主要研究内容及章节安排 | 第13-16页 |
| 第二章 相关技术 | 第16-22页 |
| 2.1 信息熵算法分析概述 | 第16-17页 |
| 2.1.1 信息熵描述 | 第16页 |
| 2.1.2 熵权法分析 | 第16-17页 |
| 2.2 模糊C均值(FCM)算法概述 | 第17-18页 |
| 2.2.1 模糊C均值描述 | 第17页 |
| 2.2.2 模糊C均值计算方法 | 第17-18页 |
| 2.3 支持向量机分类算法介绍 | 第18-20页 |
| 2.3.1 线性分类 | 第18-20页 |
| 2.3.2 非线性分类 | 第20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 基于日志信息的APP软件运行数据异常检测 | 第22-40页 |
| 3.1 APP软件异常数据的检测总体流程 | 第22-24页 |
| 3.2 APP软件运行数据来源 | 第24-32页 |
| 3.2.1 Android系统/proc文件系统简介 | 第24-25页 |
| 3.2.2 APP软件运行数据获取方法 | 第25-32页 |
| 3.3 Android系统日志 | 第32-33页 |
| 3.3.1 日志信息 | 第33页 |
| 3.3.2 日志信息获取过程 | 第33页 |
| 3.4 基于日志信息的APP软件运行数据异常检测 | 第33-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于改进SVM的APP软件运行数据异常检测建模 | 第40-50页 |
| 4.1 SVM算法简介 | 第40-41页 |
| 4.2 SVM-FCM算法 | 第41-43页 |
| 4.3 基于SVM-FCM的APP软件运行数据异常检测 | 第43-48页 |
| 4.3.1 核函数及参数确定 | 第46-47页 |
| 4.3.2 实验 | 第47-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第五章 系统实现与实验分析 | 第50-60页 |
| 5.1 系统功能分析 | 第50-51页 |
| 5.2 系统主要类图及实现 | 第51-56页 |
| 5.2.1 获取APP软件运行数据 | 第53-54页 |
| 5.2.2 APP软件异常数据检测系统 | 第54-56页 |
| 5.3 实验及分析 | 第56-59页 |
| 5.3.1 实验一 | 第56-57页 |
| 5.3.2 实验二 | 第57-58页 |
| 5.3.3 实验三 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 工作总结 | 第60页 |
| 6.2 下一步工作展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录A(攻读学位期间发表成果目录) | 第68页 |
