| 摘要 | 第4-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 课题背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-18页 |
| 1.2.1 数据流概述 | 第12-14页 |
| 1.2.2 数据流研究现状 | 第14-16页 |
| 1.2.3 数据流的概要结构 | 第16-17页 |
| 1.2.4 突变点检测的研究现状 | 第17-18页 |
| 1.3 本文的研究内容及结构 | 第18-20页 |
| 第二章 数据流突变检测的基本理论 | 第20-27页 |
| 2.1 引言 | 第20页 |
| 2.2 Haar小波 | 第20-24页 |
| 2.2.1 Haar尺度函数 | 第20-21页 |
| 2.2.2 Haar小波函数 | 第21-22页 |
| 2.2.3 Haar分解与重构 | 第22-24页 |
| 2.3 常用的检验方法 | 第24-26页 |
| 2.3.1 KS检验 | 第24-25页 |
| 2.3.2 小波分析法 | 第25页 |
| 2.3.3 T检验 | 第25页 |
| 2.3.4 Mann-Kendal检验法 | 第25-26页 |
| 2.4 数学基础 | 第26页 |
| 2.4.1 指数分布 | 第26页 |
| 2.4.2 正态分布 | 第26页 |
| 2.5 小结 | 第26-27页 |
| 第三章 基于多级Haar小波变换与KS统计的突变点检测 | 第27-42页 |
| 3.1 引言 | 第27页 |
| 3.2 均值二叉树和差值二叉树的构建 | 第27-31页 |
| 3.2.1 构建原理 | 第27-31页 |
| 3.2.2 二叉树结构的优点 | 第31页 |
| 3.3 HWKS突变点检测算法 | 第31-38页 |
| 3.3.1 算法实现 | 第31-34页 |
| 3.3.2 搜索规则 | 第34-37页 |
| 3.3.3 HWKS算法总结 | 第37-38页 |
| 3.4 HWKS算法仿真 | 第38-41页 |
| 3.4.1 单次仿真实验分析 | 第38-39页 |
| 3.4.2 多次仿真实验分析 | 第39-41页 |
| 3.5 小结 | 第41-42页 |
| 第四章 基于HWKS与滑动窗口的突变点在线检测 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 窗口模型 | 第42-44页 |
| 4.2.1 界标模型(landmarkmodel) | 第42-43页 |
| 4.2.2 快照模型(snapshotmodel) | 第43页 |
| 4.2.3 滑动窗口模型(slidingwidow) | 第43-44页 |
| 4.3 滑动窗口模型下数据流概要生成方法 | 第44-45页 |
| 4.4 滑动窗口算法仿真 | 第45-51页 |
| 4.4.1 窗口尺寸变化实验 | 第45-50页 |
| 4.4.2 突变点个数变化实验 | 第50-51页 |
| 4.5 小结 | 第51-52页 |
| 第五章 HWKS与滑动窗口的火灾数据分析 | 第52-58页 |
| 5.1 引言 | 第52-53页 |
| 5.2 实验环境 | 第53页 |
| 5.3 实验数据 | 第53-54页 |
| 5.4 仿真结果与分析 | 第54-57页 |
| 5.5 小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位论文期间完成的学术成果 | 第65-66页 |
| 致谢 | 第66页 |
