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--计算机的应用论文--计算机网络论文--一般性问题论文

面向动态网络的异常结构变化发现技术研究

摘要第4-5页
Abstract第5-6页
第一章 绪论第12-18页
    1.1 研究背景第12-13页
    1.2 研究现状第13-16页
        1.2.1 动态网络模型第13页
        1.2.2 动态网络异常变化检测第13-15页
        1.2.3 网络表示学习第15-16页
    1.3 主要研究内容第16-17页
    1.4 论文组织架构第17-18页
第二章 动态网络异常结构变化检测框架第18-24页
    2.1 动态网络异常结构变化检测相关定义第18页
    2.2 动态网络异常结构变化检测的关键问题第18-20页
    2.3 动态网络异常结构变化检测框架第20-21页
    2.4 动态网络建模第21-23页
        2.4.1 网络结构抽象第21-22页
        2.4.2 动态网络生成第22-23页
    2.5 本章小结第23-24页
第三章 基于趋势性分析的动态网络趋势性异常变化检测第24-36页
    3.1 问题分析第24-25页
        3.1.1 问题描述第24页
        3.1.2 动态网络趋势性异常变化检测流程第24-25页
        3.1.3 动态网络趋势性异常变化检测的关键问题第25页
    3.2 动态网络的趋势性异常变化检测模型第25-30页
        3.2.1 网络结构参数选择第25-27页
        3.2.2 采用可变滑动窗口进行数据趋势性检测第27-29页
        3.2.3 结果合并与异常变化时间点标记第29页
        3.2.4 算法伪代码第29-30页
        3.2.5 算法复杂度分析第30页
    3.3 实验第30-35页
        3.3.1 实验数据第30-31页
        3.3.2 实验设计第31-32页
        3.3.3 实验结果与分析第32-35页
    3.4 本章小结第35-36页
第四章 基于网络表示学习的动态网络突发性异常变化检测第36-46页
    4.1 问题分析第36-37页
        4.1.1 问题描述第36页
        4.1.2 动态网络突发性异常变化检测流程第36-37页
        4.1.3 利用网络表示学习进行动态网络突发性异常变化检测的关键问题第37页
    4.2 基于网络表示学习的动态网络突发性异常变化检测模型第37-40页
        4.2.1 基于随机游走的动态网络表示学习第37-38页
        4.2.2 网络离散程度计算与异常检测第38-40页
        4.2.3 算法伪代码第40页
        4.2.4 复杂度分析第40页
    4.3 实验第40-44页
        4.3.1 模拟小世界网络实验第40-42页
        4.3.2 真实动态网络实验第42-44页
    4.4 本章小结第44-46页
第五章 基于网络表示学习的动态网络异常链接行为检测第46-56页
    5.1 问题分析第46-47页
        5.1.1 问题描述第46页
        5.1.2 动态网络异常链接行为检测流程第46-47页
        5.1.3 动态网络异常链接行为检测关键问题第47页
    5.2 动态网络异常链接行为检测模型第47-49页
        5.2.1 节点相近程度计算第47-48页
        5.2.2 异常链接行为检测第48-49页
        5.2.3 算法伪代码第49页
        5.2.4 算法复杂度分析第49页
    5.3 实验第49-54页
        5.3.1 实验数据第49-50页
        5.3.2 安然邮件数据集实验设计第50-51页
        5.3.3 安然邮件数据集实验结果第51-53页
        5.3.4 DBLP数据集实验设计第53页
        5.3.5 DBLP数据集实验结果第53-54页
    5.4 本章小结第54-56页
第六章 总结第56-58页
    6.1 本文工作总结第56页
    6.2 下一步研究与展望第56-58页
致谢第58-60页
参考文献第60-64页
作者简历第64页

论文共64页,点击 下载论文
上一篇:高安全等级车载安全网关设计的关键技术研究
下一篇:跨社交网络用户身份识别算法研究