多相关时间序列异常模式挖掘框架的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-15页 |
| ·课题研究的背景与意义 | 第11-12页 |
| ·问题提出 | 第12-13页 |
| ·解决方法 | 第13-14页 |
| ·论文组织结构 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第二章 相关理论与技术 | 第15-23页 |
| ·实时数据仓库中的主动决策 | 第15-18页 |
| ·实时数据仓库的直接动机 | 第15-16页 |
| ·主动实时数据仓库简介 | 第16-17页 |
| ·主动决策的实现过程 | 第17-18页 |
| ·有待解决的问题 | 第18页 |
| ·序列模式挖掘 | 第18-20页 |
| ·时间序列数据概述 | 第18-19页 |
| ·序列模式挖掘的产生 | 第19-20页 |
| ·关联规则挖掘 | 第20-22页 |
| ·数据挖掘概述 | 第20-21页 |
| ·关联规则发现概述 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 多相关时间序列上异常模式挖掘框架 | 第23-31页 |
| ·领域背景 | 第23-25页 |
| ·质量数据库服务器 | 第23-24页 |
| ·质量诊断过程 | 第24-25页 |
| ·框架的提出 | 第25-27页 |
| ·框架的意义 | 第25页 |
| ·异常模式挖掘框架 | 第25-27页 |
| ·框架实现目标 | 第27-29页 |
| ·异常模式发现 | 第28页 |
| ·异常模式挖掘 | 第28-29页 |
| ·异常原因分析 | 第29页 |
| ·异常模式分析相关方法介绍及比较 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 异常模式发现 | 第31-39页 |
| ·传统的异常发现方法 | 第31-33页 |
| ·傅立叶建模 | 第31页 |
| ·异常发现方法 | 第31-33页 |
| ·相关度计算 | 第33页 |
| ·SPC算法原理 | 第33-35页 |
| ·统计过程控制(SPC)分析方法 | 第33-34页 |
| ·控制图原理 | 第34-35页 |
| ·控制图判断准则 | 第35页 |
| ·基于SPC的异常模式发现算法 | 第35-38页 |
| ·异常模式发现过程 | 第35-36页 |
| ·发现算法描述 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 异常序列模式挖掘及关联规则分析 | 第39-49页 |
| ·相关算法介绍及比较 | 第39-44页 |
| ·GSP算法 | 第39页 |
| ·PrefixSpan算法 | 第39-40页 |
| ·Apriori算法 | 第40页 |
| ·算法间比较 | 第40-42页 |
| ·频繁模式发现 | 第42-44页 |
| ·基于数据挖掘技术的分析算法研究 | 第44-48页 |
| ·异常模式及原因分析过程 | 第44-46页 |
| ·单时间序列异常模式挖掘 | 第46-48页 |
| ·多相关时间序列异常模式挖掘 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第六章 框架实现及结果分析 | 第49-59页 |
| ·框架实现背景 | 第49-50页 |
| ·实验的硬件条件 | 第49页 |
| ·数据准备与预处理 | 第49-50页 |
| ·异常模式诊断的具体实现 | 第50-53页 |
| ·改进后常规异常诊断 | 第50-52页 |
| ·基于SPC的异常模式发现 | 第52-53页 |
| ·异常模式预测的具体实现 | 第53-55页 |
| ·AlphaMiner数据挖掘平台简介 | 第53-54页 |
| ·异常模式预测的实现过程 | 第54-55页 |
| ·结果评价 | 第55-58页 |
| ·框架诊断结果的评价指标 | 第55页 |
| ·异常模式发现的异常结果 | 第55-58页 |
| ·异常模式挖掘结果 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第七章 结束语 | 第59-63页 |
| ·工作总结 | 第59-60页 |
| ·未来研究方向 | 第60-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻硕期间参加的项目及发表的论文 | 第69页 |
