作為數(shù)據(jù)挖掘的一個重要的研究領(lǐng)域,異常檢測著眼于對不同類型和來源的數(shù)據(jù)進(jìn)行分析,從而為隱含在其中的異常對象建立模型,利用基于距離、密度、聚類等技術(shù)構(gòu)建的方法快速準(zhǔn)確地發(fā)現(xiàn)數(shù)據(jù)集中的異常對象。由于在學(xué)術(shù)界和工業(yè)界有著廣泛的應(yīng)用,異常檢測獲得了相關(guān)領(lǐng)域大量研究者們的關(guān)注,產(chǎn)生了許多的經(jīng)典模型和方法。然而隨著傳感器網(wǎng)絡(luò)的發(fā)展和大數(shù)據(jù)時代的來臨,大量應(yīng)用領(lǐng)域的數(shù)據(jù)開始呈現(xiàn)出多源化的趨勢。多源數(shù)據(jù)中存在的數(shù)據(jù)類型多樣化,數(shù)據(jù)分布差異化,依賴關(guān)系復(fù)雜化等現(xiàn)象是基于多源數(shù)據(jù)的異常檢測所面臨的關(guān)鍵問題。本論文針對數(shù)據(jù)之間的相互依賴關(guān)系,構(gòu)建了基于圖的異常檢測模型,使用隨機游走的方法分析圖中的異常節(jié)點。另一方面,本論文還構(gòu)造了基于多視圖的異常檢測模型對不同來源數(shù)據(jù)之間的相關(guān)和差異進(jìn)行刻畫,利用數(shù)據(jù)在不同視圖中的不一致性進(jìn)行異常檢測�？傮w來說,本論文從以下四個方面對多源數(shù)據(jù)的異常檢測問題展開了研究:（1）傳統(tǒng)基于圖的異常檢測模型在考慮每個樣本的異常度時往往只關(guān)注于圖中節(jié)點、連邊或者它們之間的相互關(guān)系,而忽視了樣本的局部鄰域信息。本論文提出一種基于局部信息圖的異常檢測算法（LIGRW）,該算法將數(shù)據(jù)集中每個... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：130 頁

【學(xué)位級別】：博士

【部分圖文】：

在不同形狀的數(shù)據(jù)集上進(jìn)行異常檢測

【參考文獻(xiàn)】：
期刊論文
[1]低秩矩陣恢復(fù)算法綜述[J]. 史加榮,鄭秀云,魏宗田,楊威.  計算機應(yīng)用研究. 2013(06)



本文編號：3059242