基于信息熵聚类的异常检测方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景 | 第11-14页 |
| 1.2 研究概况 | 第14-17页 |
| 1.3 本文主要工作 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 2 异常检测及背景 | 第19-28页 |
| 2.1 引言 | 第19页 |
| 2.2 网络异常分类 | 第19-23页 |
| 2.2.1 网络运行异常 | 第20页 |
| 2.2.2 突发拥塞异常 | 第20页 |
| 2.2.3 网络滥用异常 | 第20-23页 |
| 2.3 异常检测主要方法 | 第23-27页 |
| 2.3.1 基于分布的异常检测 | 第24页 |
| 2.3.2 基于图的异常检测 | 第24-25页 |
| 2.3.3 基于聚类的异常检测 | 第25-27页 |
| 2.4 本文方法 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 信息熵和改进K-means聚类算法 | 第28-39页 |
| 3.1 信息熵 | 第28-31页 |
| 3.1.1 信息熵定义 | 第28-29页 |
| 3.1.2 信息熵在异常检测中的应用 | 第29-31页 |
| 3.2 聚类分析技术 | 第31-34页 |
| 3.2.1 聚类分析基本思想 | 第31-32页 |
| 3.2.2 K-means聚类算法原理 | 第32-34页 |
| 3.2.3 K-means聚类算法的不足 | 第34页 |
| 3.3 改进K-means聚类算法 | 第34-38页 |
| 3.3.1 聚类个数K值的确定 | 第35页 |
| 3.3.2 初始聚类中心的确定 | 第35-36页 |
| 3.3.3 改进K-means算法处理流程 | 第36-38页 |
| 3.4 本章总结 | 第38-39页 |
| 4 异常检测模型设计与实现 | 第39-59页 |
| 4.1 异常检测整体流程设计 | 第39-40页 |
| 4.2 数据集及信息熵值计算 | 第40-49页 |
| 4.2.1 数据集说明 | 第40-44页 |
| 4.2.2 属性选取 | 第44-45页 |
| 4.2.3 信息熵值计算 | 第45-46页 |
| 4.2.4 数据预处理 | 第46-49页 |
| 4.3 聚类算法K-means | 第49-52页 |
| 4.3.1 聚类分析阶段 | 第49-51页 |
| 4.3.2 异常检测阶段 | 第51-52页 |
| 4.4 异常检测实验结果及分析 | 第52-57页 |
| 4.4.1 实验环境 | 第52-53页 |
| 4.4.2 异常检测性能评估 | 第53页 |
| 4.4.3 聚类个数K值 | 第53-55页 |
| 4.4.4 初始聚类中心 | 第55-56页 |
| 4.4.5 改进K-means聚类算法 | 第56-57页 |
| 4.5 本章小结 | 第57-59页 |
| 5 总结与展望 | 第59-62页 |
| 5.1 本文总结 | 第59-60页 |
| 5.2 未来工作展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第65-67页 |
| 学位论文数据集 | 第67页 |
