数据分析在数据业务监控中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景和意义 | 第9-10页 |
| ·业务监控的现状和需求调研 | 第10-14页 |
| ·业务活动监控的定义和相关理论 | 第12页 |
| ·BAM在数据业务监控中的定位和目前研究情况 | 第12-13页 |
| ·业务活动监控的需求调研 | 第13-14页 |
| ·课题的研究目标和内容 | 第14-16页 |
| 第二章 时间序列分析 | 第16-32页 |
| ·引言 | 第16页 |
| ·时间序列分析的原理 | 第16-17页 |
| ·时间序列的构成模型 | 第17-18页 |
| ·ARMA模型建模步骤 | 第18-26页 |
| ·时间序列分解 | 第18-19页 |
| ·孤立点和变点检测 | 第19页 |
| ·ARMA模型识别 | 第19-23页 |
| ·参数估计 | 第23页 |
| ·模型检验 | 第23-24页 |
| ·时间序列的预报 | 第24-25页 |
| ·观察值的可信度 | 第25-26页 |
| ·时间序列实例分析 | 第26-32页 |
| 第三章 孤立点检测方法——控制图 | 第32-39页 |
| ·孤立点和控制图简介 | 第32-33页 |
| ·控制界限的计算 | 第33-35页 |
| ·休哈特控制图 | 第33-34页 |
| ·其它控制图 | 第34-35页 |
| ·控制图在业务监控中的应用 | 第35-39页 |
| ·把控制图用于对数据业务的监控 | 第35页 |
| ·对控制图的改进 | 第35-39页 |
| 第四章 变点检测 | 第39-50页 |
| ·引言 | 第39-40页 |
| ·变点定义和数据模型 | 第40-41页 |
| ·均值变点检测方法 | 第41-42页 |
| ·CUSUM方法 | 第41-42页 |
| ·局部比较方法 | 第42页 |
| ·本文选用的变点检测方法 | 第42-48页 |
| ·核心思想 | 第42-44页 |
| ·定位变点 | 第44-45页 |
| ·对变点检测的改进 | 第45-48页 |
| ·时间序列分析和控制图、变点检测的关系 | 第48-50页 |
| 第五章 告警过滤方法 | 第50-59页 |
| ·虚告警 | 第50页 |
| ·相关系数在告警过滤中的应用 | 第50-51页 |
| ·相关系数定义与说明 | 第50-51页 |
| ·相关系数在告警过滤中的应用 | 第51页 |
| ·机器学习在告警过滤中的应用 | 第51-59页 |
| ·分类定义及常用方法 | 第51-55页 |
| ·可信度:评估机器学习结果 | 第55页 |
| ·合并分类器 | 第55-57页 |
| ·几种学习器的分类结果比较 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·本课题的总结 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |
