近年來,隨著數據流應用的發(fā)展,數據規(guī)模呈指數增長,如在網絡監(jiān)控、環(huán)境監(jiān)測、傳感器網絡、氣象監(jiān)測和金融服務等領域。與傳統靜態(tài)數據相比,數據流具有無限、連續(xù)、大量、突變的特點,并且在數據流處理過程中,只能被有限次讀取,傳統的判識算法無法直接應用于數據流處理中。在數據流中,存在著與正常數據不一致且不是隨機產生的各種事件數據。對數據流中的事件進行實時判識,有廣泛的應用,如網絡入侵判識、環(huán)境污染判識、災害事件判識、天氣變化判識、股票走向判識等。數據流均具有時間的特性,因此,對應的事件為時序事件,如何能實時的判識出數據流中的時序事件,一直是數據流研究中專家學者的研究熱點。本文針對現有時序事件判識方法構建的時序事件規(guī)模小,模型復雜不準確,不能自適應更新以及滯后判識等問題,提出一種數據流時序事件實時判識方法,包括兩級回歸的時序事件模型（TRTM）構建方法與基于TRTM的時序事件實時判識方法,保證了模型構建的效率及準確性,且對于新到來的流式時序事件數據具有更好適應性,提高了數據流事件判識的穩(wěn)定性及實時性。首先,在時序事件模型構建階段,通過對歷史時序事件數據進行歸一化處理,把不同尺度的事件數據變換在同一尺... 

【文章來源】：遼寧大學遼寧省 211工程院校

【文章頁數】：63 頁

【學位級別】：碩士

【部分圖文】：

典型沖擊地壓示意圖

圖 3-1 典型沖擊地壓示意圖序事件雖然具有相同的特征規(guī)律，但是由于采集數據的擊地壓災害事件的地點不同，以及災害時序事件數據在的能量衰減等因素，導致相同種類的時序事件數據結構傳感器采集的感知數據在時間域上發(fā)生壓縮或者拉伸，。同類的災害時序事件不在同一尺度下，無法直接構建-2 所示。因此，需要把歷史同類時序事件，進行平移變換，放在同一尺度下，才能進行進一步的研究。時間

第 3 章 兩級回歸的時序事件模型其中，imax( x )和imin( x )分別為歷史時序事件中的最大和最小感知數據的值，通過坐標變換，將所有感知數據規(guī)格化為[0,1]區(qū)間范圍。對歷史同類時序事件數據進行歸一化后，規(guī)整在同一區(qū)間范圍內后，在同一時刻的時序事件數據具有可比性。對于歷史時序事件來說，原始的數據為大量有序的感知數據集合。把大量歷史時序事件數據歸一化，變換到同一區(qū)間下之后，就是一系列連續(xù)隨時間累積的感知數據點的集合，如圖 3-3 如下：

【參考文獻】：
期刊論文
[1]基于概率統計模型的電力IT監(jiān)控對象特征異常檢測[J]. 衛(wèi)薇,龍玉江,鐘掖.  山東農業(yè)大學學報(自然科學版). 2019(04)
[2]基于深度學習的異構時序事件患者數據表示學習框架[J]. 劉盧琛,沈劍豪,張銘,王子昌,李浩然,劉澤群.  大數據. 2019(01)
[3]分布式數據流挖掘技術綜述[J]. 萬新貴.  微型機與應用. 2016(21)
[4]動態(tài)數據挖掘的構造性學習方法綜述[J]. 王倫文,馮彥卿,張鈴.  小型微型計算機系統. 2016(09)
[5]系統效能評估中仿真指標數據異常值檢測方法研究[J]. 焦秀珍.  中國電子科學研究院學報. 2013(02)
[6]三維水聲傳感器網絡中數據流的突發(fā)檢測算法[J]. 徐明,劉廣鐘.  計算機應用. 2012(12)
[7]無線傳感器網絡中數據流異常數據的聯合估計算法[J]. 鐘一洋,劉興長,王悠,吳潤澤,韓開進,葉泳.  后勤工程學院學報. 2012(06)
[8]傳感器網絡數據流異常數據檢測與修正[J]. 楊杰,白洋.  齊齊哈爾大學學報(自然科學版). 2009(06)
[9]流量測量的關鍵技術分析與研究[J]. 張震,汪斌強,朱珂.  計算機應用研究. 2009(09)
[10]基于P2P的移動Agent入侵檢測系統[J]. 孫名松,李卿,劉鑫.  計算機技術與發(fā)展. 2009(04)

博士論文
[1]云環(huán)境下基于位置的可信查詢服務研究[D]. 閆晗.北京郵電大學 2018
[2]礦震監(jiān)測的理論與應用研究[D]. 賈寶新.遼寧工程技術大學 2013
[3]數據流聚類分析與異常檢測算法[D]. 張晨.復旦大學 2009

碩士論文
[1]基于社交媒體地理數據挖掘的游客時空行為分析[D]. 王麗鯤.上海師范大學 2017
[2]一種實時的半結構化數據流頻繁模式挖掘算法[D]. 童子奇.北京工業(yè)大學 2017
[3]基于Storm的流數據聚類挖掘算法的研究[D]. 馬可.南京郵電大學 2016
[4]支持位置謂詞的XML流數據查詢技術[D]. 王晨陽.北京工業(yè)大學 2015
[5]滑動窗口模型下的數據流自適應異常檢測方法研究[D]. 龐景月.哈爾濱工業(yè)大學 2013
[6]孤立點檢測在移動通信數據分析上的研究與應用[D]. 朱吉龍.廣東工業(yè)大學 2013
[7]基于異常檢測的網絡安全技術的研究[D]. 王宏.江南大學 2011
[8]高緯數據流的異常檢測[D]. 姚晨.電子科技大學 2011
[9]傳感器網絡數據流異常數據檢測與修正[D]. 田嘉瑞.哈爾濱工程大學 2008



本文編號：3454556