首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

高校学生日常行为异常检测的一种改进模糊聚类方法

摘要第5-6页
ABSTRACT第6-7页
第1章 绪论第10-16页
    1.1 研究背景与意义第10-11页
    1.2 国内外发展及现状第11-13页
    1.3 课题研究内容第13-14页
    1.4 论文组织结构第14-16页
第2章 异常检测基本算法和分类第16-25页
    2.1 常用异常检测方法概述第16-22页
        2.1.1 基于统计分布的异常点检测第16-17页
        2.1.2 基于距离的异常点检测第17-18页
        2.1.3 基于偏差的异常点检测第18页
        2.1.4 基于深度的异常点检测第18-19页
        2.1.5 基于密度的异常点检测第19-20页
        2.1.6 基于聚类的异常点检测第20-21页
        2.1.7 常用异常检测方法比较第21-22页
    2.2 聚类分析第22-24页
        2.2.1 聚类的概念第22-23页
        2.2.2 聚类分析方法类型第23-24页
    2.3 本章小结第24-25页
第3章 学生行为数据分析第25-29页
    3.1 学生数据集的特点第25页
    3.2 学生行为相关概念第25-27页
        3.2.1 学生行为分析第25-26页
        3.2.2 学生异常行为判定标准第26-27页
    3.3 学生行为数据预处理第27-28页
        3.3.1 变量处理第27页
        3.3.2 特征提取第27-28页
    3.4 本章小结第28-29页
第4章 学生异常行为检测算法第29-47页
    4.1 基于相似系数和的异常检测算法第29-35页
        4.1.1 基于距离的异常检测方法分析第29-32页
        4.1.2 基于相似系数和的异常检测第32-34页
        4.1.3 学生异常行为检测中的应用第34-35页
    4.2 基于模糊C均值聚类的异常检测算法第35-45页
        4.2.1 模糊聚类分析第35-37页
        4.2.2 模糊C均值聚类算法的改进第37-44页
        4.2.3 学生异常行为检测中的应用第44-45页
    4.3 本章小结第45-47页
第5章 学生行为异常实验结果分析第47-56页
    5.1 数据来源第47-49页
    5.2 数据预处理第49-51页
    5.3 实验结果分析第51-56页
第6章 总结与展望第56-58页
    6.1 总结第56-57页
    6.2 展望第57-58页
参考文献第58-63页
攻读学位期间公开发表论文第63-64页
致谢第64页

论文共64页,点击 下载论文
上一篇:基于时态主题模型的社区发现方法研究
下一篇:基于LDA主题模型的图像检索研究