基于云计算的大图异常检测技术的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 异常检测研究定义 | 第10-11页 |
| 1.1.2 主要研究方向 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 异常检测研究现状 | 第12-13页 |
| 1.2.2 社区发现 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 相关工作 | 第16-30页 |
| 2.1 大图迭代计算的分布式框架 | 第16-20页 |
| 2.1.1 分布式并行计算框架Hadoop | 第16-18页 |
| 2.1.2 BSP并行模型 | 第18-19页 |
| 2.1.3 基于BSP模型的分布式计算平台 | 第19-20页 |
| 2.2 复杂网络 | 第20-22页 |
| 2.2.1 复杂网络中的基本概念 | 第20-22页 |
| 2.2.2 复杂网络中的基本结构特征 | 第22页 |
| 2.3 图上的异常检测 | 第22-25页 |
| 2.3.1 图上的异常检测概念及问题描述 | 第22-23页 |
| 2.3.2 异常检测算法介绍 | 第23-25页 |
| 2.4 社区发现 | 第25-29页 |
| 2.4.1 社区结构 | 第25-26页 |
| 2.4.2 社区评价指标 | 第26-27页 |
| 2.4.3 重叠社区发现 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 非属性图上基于顶点相似度的异常检测 | 第30-40页 |
| 3.1 问题描述 | 第30-35页 |
| 3.1.1 基本定义 | 第30-31页 |
| 3.1.2 非属性图异常检测总体流程 | 第31-33页 |
| 3.1.3 SimRank算法 | 第33-35页 |
| 3.1.4 二分图上的相似度计算 | 第35页 |
| 3.2 基于BSP模型的SimRank算法实现 | 第35-36页 |
| 3.3 基于近邻相似性的异常检测 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于重叠社区发现的属性图上的异常检测 | 第40-54页 |
| 4.1 问题描述 | 第40-44页 |
| 4.2 属性图上的重叠社区发现 | 第44-47页 |
| 4.2.1 社区模块度度量 | 第44页 |
| 4.2.2 对象相似度 | 第44-46页 |
| 4.2.3 属性图社区发现的基本概念 | 第46-47页 |
| 4.3 异常点检测处理 | 第47-52页 |
| 4.3.1 算法描述 | 第47-48页 |
| 4.3.2 算法流程 | 第48-50页 |
| 4.3.3 基于BSP模型的算法并行实现 | 第50-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第5章 实验结果及分析 | 第54-62页 |
| 5.1 实验环境 | 第54页 |
| 5.2 实验数据 | 第54-56页 |
| 5.2.1 非属性图异常检测数据集 | 第54-55页 |
| 5.2.2 属性图异常检测数据集 | 第55-56页 |
| 5.3 基于顶点相似度的非属性图异常检测实验 | 第56-58页 |
| 5.3.1 真实数据集上的异常检测结果测试 | 第56-57页 |
| 5.3.2 人工数据集上的异常检测结果测试 | 第57-58页 |
| 5.4 基于重叠社区发现的属性图上的异常检测 | 第58-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 本文的主要工作 | 第62页 |
| 6.2 未来工作 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读硕士学位期间的论文项目情况 | 第70页 |
