多相关周期性时间序列上的异常模式关联规则挖掘
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究的背景与意义 | 第10-11页 |
| 1.2 问题的提出 | 第11页 |
| 1.3 解决方法 | 第11-12页 |
| 1.4 本文贡献 | 第12页 |
| 1.5 论文组织结构 | 第12-14页 |
| 第2章 相关理论技术 | 第14-28页 |
| 2.1 时间序列数据上的数据挖掘任务 | 第14-22页 |
| 2.1.1 时间序列周期检测 | 第14-15页 |
| 2.1.2 时间序列异常分析 | 第15-18页 |
| 2.1.3 时间序列模式表示 | 第18-20页 |
| 2.1.4 时间序列相似性度量 | 第20-22页 |
| 2.2 聚类分析 | 第22-24页 |
| 2.3 关联规则分析 | 第24-27页 |
| 2.3.1 关联规则定义 | 第24-26页 |
| 2.3.2 关联规则算法 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 异常模式分析及关联规则建模 | 第28-38页 |
| 3.1 时间序列定义 | 第28-29页 |
| 3.2 异常模式定义 | 第29页 |
| 3.3 周期性时间序列数据 | 第29-30页 |
| 3.4 因果关联规则定义 | 第30-31页 |
| 3.5 解决框架 | 第31-35页 |
| 3.5.1 异常模式挖掘 | 第32-33页 |
| 3.5.2 异常模式聚类 | 第33-34页 |
| 3.5.3 关联规则挖掘 | 第34-35页 |
| 3.6 本章小结 | 第35-38页 |
| 第4章 算法设计 | 第38-46页 |
| 4.1 基于采样的异常模式检测 | 第38-39页 |
| 4.2 异常模式关联规则分析 | 第39-44页 |
| 4.2.1 两个异常模式集合的关联规则 | 第40-43页 |
| 4.2.2 建立因果关联规则总结 | 第43-44页 |
| 4.3 本章小结 | 第44-46页 |
| 第5章 实验与结果分析 | 第46-60页 |
| 5.1 模拟实验数据 | 第46-51页 |
| 5.2 采样算法分析 | 第51-53页 |
| 5.2.1 采样准确性 | 第51页 |
| 5.2.2 异常检测准确性 | 第51-52页 |
| 5.2.3 时间复杂度 | 第52-53页 |
| 5.3 输出关联规则 | 第53-59页 |
| 5.3.1 实验模拟数据 | 第53页 |
| 5.3.2 生成规则集 | 第53-55页 |
| 5.3.3 转化为交易数据库 | 第55-56页 |
| 5.3.4 使用Apriori生成频繁集 | 第56-58页 |
| 5.3.5 输出因果关联规则 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 结束语 | 第60-62页 |
| 6.1 工作总结 | 第60-61页 |
| 6.2 未来研究方向 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻读硕士期间参加的项目 | 第68页 |
