基于隐变量模型的异常评价识别
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 基于内容特征的异常评价识别研究 | 第10页 |
| 1.2.2 基于行为特征的异常评价识别研究 | 第10-11页 |
| 1.2.3 基于贝叶斯网的异常检测研究 | 第11-12页 |
| 1.3 本文研究的主要内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 贝叶斯网与异常评价 | 第14-22页 |
| 2.1 贝叶斯网 | 第14-18页 |
| 2.1.1 贝叶斯网概述 | 第14-15页 |
| 2.1.2 隐变量模型 | 第15页 |
| 2.1.3 贝叶斯网参数学习 | 第15-17页 |
| 2.1.4 贝叶斯网结构学习 | 第17-18页 |
| 2.2 异常评价 | 第18-21页 |
| 2.2.1 异常评价概述 | 第18-19页 |
| 2.2.2 异常评价特征 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 HSRBN模型的构建 | 第22-28页 |
| 3.1 异常评价模型的问题定义 | 第22-23页 |
| 3.2 HSRBN模型构建 | 第23-28页 |
| 第四章 基于HSRBN模型的异常评价识别 | 第28-32页 |
| 4.1 变量消元法推理简介 | 第28-29页 |
| 4.2 基于变量消元法的HSRBN模型推理 | 第29-30页 |
| 4.3 基于HSRBN模型推理的异常评价识别 | 第30-31页 |
| 4.4 本章小结 | 第31-32页 |
| 第五章 实验结果与分析 | 第32-36页 |
| 5.1 实验数据和设置 | 第32页 |
| 5.2 实验测试 | 第32-36页 |
| 5.2.1 HSRBN模型的时间效率测试 | 第32-33页 |
| 5.2.2 HSRBN模型的有效性测试 | 第33-36页 |
| 第六章 原型系统设计与实现 | 第36-44页 |
| 6.1 系统结构 | 第36页 |
| 6.2 原型系统设计 | 第36-39页 |
| 6.3 原型系统的实现与展示 | 第39-44页 |
| 第七章 总结和展望 | 第44-46页 |
| 7.1 总结 | 第44页 |
| 7.2 展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50页 |
