大数据环境下异常通话行为检测的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目标 | 第11-12页 |
| 1.3 研究现状 | 第12-14页 |
| 1.3.1 国外异常通话行为治理现状 | 第12-13页 |
| 1.3.2 国内异常通话行为治理现状 | 第13-14页 |
| 1.4 论文的主要内容 | 第14-15页 |
| 第二章 背景知识及相关技术介绍 | 第15-26页 |
| 2.1 数据挖掘的概念 | 第15页 |
| 2.2 数据挖掘的体系结构 | 第15-16页 |
| 2.3 数据挖掘的步骤与数据中的知识发现 | 第16-18页 |
| 2.4 数据挖掘解决的问题 | 第18-19页 |
| 2.5 数据挖掘的分类技术 | 第19-25页 |
| 2.5.1 分类技术简介 | 第19-20页 |
| 2.5.2 最近邻分类器 | 第20-21页 |
| 2.5.3 贝叶斯分类器 | 第21-23页 |
| 2.5.4 支持向量机 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于数据挖掘实现异常通话行为识别 | 第26-41页 |
| 3.1 引言 | 第26页 |
| 3.2 异常通话行为的特征分析 | 第26-28页 |
| 3.3 数据预处理 | 第28-31页 |
| 3.3.1 K-Means聚类算法实现降采样 | 第28-30页 |
| 3.3.2 SMOTE实现升采样 | 第30-31页 |
| 3.4 异常通话行为识别算法选择 | 第31页 |
| 3.5 随机森林算法介绍 | 第31-35页 |
| 3.5.1 随机森林算法 | 第31-32页 |
| 3.5.2 森林中单棵决策树 | 第32-33页 |
| 3.5.3 随机森林的理论基础 | 第33-35页 |
| 3.6 分类结果评估方法 | 第35-36页 |
| 3.7 KSR方案的实现过程 | 第36-37页 |
| 3.8 KSR方案实验结果分析 | 第37-40页 |
| 3.8.1 K-Means与SMOTE采样效果 | 第37-39页 |
| 3.8.2 分类器比较 | 第39页 |
| 3.8.3 ROC曲线 | 第39-40页 |
| 3.9 本章小结 | 第40-41页 |
| 第四章 异常通话行为检测系统的设计与实现 | 第41-56页 |
| 4.1 引言 | 第41页 |
| 4.2 异常通话行为检测系统的需求与难点分析 | 第41-42页 |
| 4.2.1 系统需求 | 第41页 |
| 4.2.2 系统难点 | 第41-42页 |
| 4.3 异常通话行为检测的整体思路 | 第42页 |
| 4.4 系统逻辑体系架构 | 第42-43页 |
| 4.5 软件模块结构 | 第43-51页 |
| 4.5.1 预处理模块 | 第43-49页 |
| 4.5.1.1 主要流程 | 第43-46页 |
| 4.5.1.2 黑白名单 | 第46页 |
| 4.5.1.3 层级归并文件处理方法 | 第46-47页 |
| 4.5.1.4 模块设计 | 第47-49页 |
| 4.5.2 分布式存储模块 | 第49-51页 |
| 4.5.3 分析模块Analyzer | 第51页 |
| 4.6 异常通话行为检测系统的测试 | 第51-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 论文工作总结 | 第56-57页 |
| 5.2 下一步工作展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |
