基于在线学习的异常行为检测
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状与趋势 | 第11-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第二章 基础理论与基本技术 | 第17-33页 |
| 2.1 分类 | 第17-18页 |
| 2.2 聚类 | 第18-19页 |
| 2.3 频繁模式挖掘 | 第19-23页 |
| 2.3.1 基本概念 | 第19-20页 |
| 2.3.2 频繁模式挖掘算法 | 第20-21页 |
| 2.3.3 基于数据流的频繁模式挖掘 | 第21-23页 |
| 2.4 异常检测 | 第23-31页 |
| 2.4.1 异常点分类 | 第24-25页 |
| 2.4.2 异常检测方法概述 | 第25-26页 |
| 2.4.3 频繁模式异常检测 | 第26-29页 |
| 2.4.4 基于数据流的频繁模式异常检测 | 第29-30页 |
| 2.4.5 异常检测的难点 | 第30-31页 |
| 2.5 不平衡数据分类 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 基于频繁模式的异常检测模型 | 第33-56页 |
| 3.1 问题描述和相关定义 | 第33-36页 |
| 3.2 模型设计 | 第36-44页 |
| 3.2.1 模型描述 | 第36-37页 |
| 3.2.2 挖掘闭频繁模式 | 第37-39页 |
| 3.2.3 特征构建 | 第39-44页 |
| 3.3 实验与讨论 | 第44-55页 |
| 3.3.1 数据选择和预处理 | 第44-46页 |
| 3.3.2 评估标准 | 第46页 |
| 3.3.3 分类器选择 | 第46-47页 |
| 3.3.4 实验结果 | 第47-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第四章 基于在线学习的异常检测模型 | 第56-71页 |
| 4.1 算法思路 | 第56-57页 |
| 4.2 算法模型 | 第57-63页 |
| 4.2.1 基于数据流的频繁模式挖掘 | 第57-61页 |
| 4.2.2 数据流FP-score计算 | 第61-62页 |
| 4.2.3 时间衰减 | 第62-63页 |
| 4.3 实验和讨论 | 第63-69页 |
| 4.3.1 数据集选择 | 第63-64页 |
| 4.3.2 实验结果 | 第64-67页 |
| 4.3.3 异常点变化讨论 | 第67-69页 |
| 4.4 本章小结 | 第69-71页 |
| 第五章 结论与展望 | 第71-73页 |
| 5.1 总结 | 第71-72页 |
| 5.2 展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间取得的成果 | 第79-80页 |
