致谢 | 第5-6页 |
摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
1 引言 | 第12-18页 |
1.1 研究背景与意义 | 第12-13页 |
1.2 异常检测的研究现状 | 第13-16页 |
1.2.1 异常数据定义 | 第13-14页 |
1.2.2 异常检测算法概述 | 第14-15页 |
1.2.3 异常检测评价指标 | 第15-16页 |
1.3 本论文的研究工作 | 第16-17页 |
1.4 论文的安排 | 第17页 |
1.5 本章小结 | 第17-18页 |
2 异常检测算法分类 | 第18-28页 |
2.1 基于无监督学习框架 | 第18-20页 |
2.2 基于单分类学习框架 | 第20-25页 |
2.2.1 基于密度估计的算法 | 第20-21页 |
2.2.2 基于重构的算法 | 第21-23页 |
2.2.3 基于支撑域的算法 | 第23-25页 |
2.3 基于两分类学习框架 | 第25-26页 |
2.4 本章小结 | 第26-28页 |
3 基于随机典型相关编码的异常检测算法研究 | 第28-44页 |
3.1 相关工作 | 第28-30页 |
3.1.1 多视角数据异常检测 | 第28-29页 |
3.1.2 高维数据异常检测 | 第29-30页 |
3.2 基于随机典型相关分析的异常检测算法框架 | 第30-31页 |
3.2.1 符号说明 | 第30页 |
3.2.2 算法框架 | 第30-31页 |
3.3 随机典型相关(RCCE)特征的获取 | 第31-33页 |
3.3.1 基于CCA的相关性学习 | 第31-32页 |
3.3.2 RCCE特征表示的获取 | 第32-33页 |
3.4 基于Rayleigh分布的判决模型 | 第33-37页 |
3.4.1 RCCE相关特征的统计刻画 | 第33-34页 |
3.4.2 RCCE相关特征的Rayleigh估计 | 第34-36页 |
3.4.3 判决模型的建立 | 第36-37页 |
3.5 实验结果与分析 | 第37-43页 |
3.5.1 数据集说明 | 第37-39页 |
3.5.2 比较算法 | 第39页 |
3.5.3 实验结果分析 | 第39-43页 |
3.6 本章小结 | 第43-44页 |
4 基于标签传递的异常检测算法研究 | 第44-54页 |
4.1 标签传递模型 | 第44-46页 |
4.1.1 符号说明 | 第44-45页 |
4.1.2 标签传递 | 第45-46页 |
4.2 基于标签传递的异常检测 | 第46-48页 |
4.2.1 问题描述 | 第46-47页 |
4.2.2 异常检测框架 | 第47-48页 |
4.2.3 基于多重随机标记的标签传递 | 第48页 |
4.3 基于标签置信度统计特性的异常判决 | 第48-49页 |
4.4 实验结果与分析 | 第49-53页 |
4.4.1 数据集与比较算法说明 | 第49-50页 |
4.4.2 比较算法 | 第50页 |
4.4.3 实验结果分析 | 第50-53页 |
4.5 本章小结 | 第53-54页 |
5 基于超图聚类的异常检测算法研究 | 第54-66页 |
5.1 相关工作 | 第54-55页 |
5.1.1 聚类分析与异常检测 | 第54-55页 |
5.1.2 图学习 | 第55页 |
5.2 基于超图聚类的异常检测 | 第55-57页 |
5.2.1 研究动机 | 第55-56页 |
5.2.2 算法框架 | 第56-57页 |
5.3 基于HMETIS划分的超图聚类 | 第57-59页 |
5.3.1 超图的概念 | 第57-58页 |
5.3.2 HMETIS算法 | 第58-59页 |
5.3.3 超图聚类 | 第59页 |
5.4 基于关联度的异常判决 | 第59-61页 |
5.4.1 关联度的获取 | 第59-60页 |
5.4.2 异常判决 | 第60-61页 |
5.5 实验结果与分析 | 第61-65页 |
5.5.1 比较算法 | 第61页 |
5.5.2 实验结果分析 | 第61-65页 |
5.5.3 参数分析 | 第65页 |
5.6 本章小结 | 第65-66页 |
6 总结 | 第66-68页 |
6.1 工作总结 | 第66页 |
6.2 工作展望 | 第66-68页 |
参考文献 | 第68-72页 |
作者简历 | 第72-76页 |
学位论文数据集 | 第76页 |