| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-24页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-22页 |
| 1.2.1 数据流概述 | 第10-13页 |
| 1.2.2 数据流的国内外研究现状 | 第13-15页 |
| 1.2.3 数据流概要生成方法研究现状 | 第15-16页 |
| 1.2.4 数据流异常检测研究现状 | 第16-22页 |
| 1.3 本文的研究内容及结构 | 第22-24页 |
| 第2章 滑动窗口模型下的数据流概要生成算法研究 | 第24-41页 |
| 2.1 滑动窗口模型下的数据流概要生成方法 | 第24-26页 |
| 2.2 滑动窗口模型下的数据流抽样算法 | 第26-30页 |
| 2.2.1 CS 算法 | 第27-28页 |
| 2.2.2 SBWRS 算法 | 第28-29页 |
| 2.2.3 OS 算法 | 第29-30页 |
| 2.3 滑动窗口模型下的 UBCS 算法 | 第30-39页 |
| 2.3.1 算法提出 | 第30-31页 |
| 2.3.2 算法原理 | 第31-33页 |
| 2.3.3 实验验证及评估 | 第33-38页 |
| 2.3.4 算法特性分析 | 第38-39页 |
| 2.4 本章小结 | 第39-41页 |
| 第3章 基于预测模型的滑动窗口单数据流异常检测 | 第41-76页 |
| 3.1 单数据流异常检测方法 | 第41-44页 |
| 3.1.1 单数据流异常分类 | 第41-42页 |
| 3.1.2 单数据流异常检测方法 | 第42-44页 |
| 3.2 基于预测模型的单数据流异常检测 | 第44-47页 |
| 3.2.1 异常检测框架 | 第44-45页 |
| 3.2.2 常用预测方法 | 第45-47页 |
| 3.3 基于 GPR 方法的单数据流异常检测 | 第47-61页 |
| 3.3.1 GP 模型 | 第47-48页 |
| 3.3.2 GPR 方法 | 第48-52页 |
| 3.3.3 基于 GPR 的异常检测框架 | 第52-53页 |
| 3.3.4 实验验证及评估 | 第53-61页 |
| 3.4 基于 UBCS_GPR 方法的单数据流异常检测 | 第61-75页 |
| 3.4.1 UBCS_GPR 方法 | 第61-67页 |
| 3.4.2 实验验证及评估 | 第67-75页 |
| 3.5 本章小结 | 第75-76页 |
| 第4章 分层聚类的滑动窗口多数据流异常检测 | 第76-94页 |
| 4.1 多数据流异常检测方法 | 第76-77页 |
| 4.2 基于聚类方法的数据流异常检测 | 第77-81页 |
| 4.2.1 数据流聚类方法 | 第77-78页 |
| 4.2.2 面向滑动窗口的分层聚类算法 | 第78-81页 |
| 4.3 HSWSTREAM 算法 | 第81-92页 |
| 4.3.1 相似性度量函数 | 第82-84页 |
| 4.3.2 在线微聚类 | 第84-87页 |
| 4.3.3 离线宏聚类 | 第87-88页 |
| 4.3.4 实验验证及评估 | 第88-92页 |
| 4.4 本章小结 | 第92-94页 |
| 结论 | 第94-96页 |
| 参考文献 | 第96-104页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第104-107页 |
| 致谢 | 第107页 |