異常檢測(cè)作為數(shù)據(jù)挖掘的重要研究熱點(diǎn)之一,一直受到學(xué)術(shù)界的廣泛關(guān)注。隨著萬(wàn)物物聯(lián)及硬件技術(shù)的飛速發(fā)展,數(shù)據(jù)正以更快的速度產(chǎn)生,異常檢測(cè)所面臨的數(shù)據(jù)形態(tài)已不只是數(shù)據(jù)量已知的靜態(tài)數(shù)據(jù)集,還包括具有海量,實(shí)時(shí)和多變等特性的動(dòng)態(tài)數(shù)據(jù)。本文針對(duì)現(xiàn)有數(shù)據(jù)流異常檢測(cè)算法中存在的異�？坍�(huà)不夠準(zhǔn)確和檢測(cè)率低等問(wèn)題開(kāi)展研究,提出了兩種有效的數(shù)據(jù)流異常檢測(cè)算法。本文主要的研究?jī)?nèi)容如下:（1）針對(duì)傳統(tǒng)角度異常因子模型構(gòu)造復(fù)雜且對(duì)異�？坍�(huà)不夠準(zhǔn)確等問(wèn)題,提出了一種基于局部向量點(diǎn)積密度的數(shù)據(jù)流異常檢測(cè)算法。首先,采用滑動(dòng)窗口模型對(duì)流入的數(shù)據(jù)進(jìn)行加窗處理,并計(jì)算當(dāng)前窗口中各數(shù)據(jù)點(diǎn)的點(diǎn)積均值和局部向量點(diǎn)積密度;然后,運(yùn)用局部向量點(diǎn)積密度對(duì)各數(shù)據(jù)點(diǎn)進(jìn)行異常程度的度量,并基于最大斜率模型找出異常劃分點(diǎn);最后,根據(jù)異常劃分點(diǎn)確定當(dāng)前窗口中的候選異常點(diǎn),并對(duì)當(dāng)前候選異常點(diǎn)進(jìn)行驗(yàn)證,將滿足驗(yàn)證要求的候選異常點(diǎn)判定為真實(shí)異常點(diǎn)。與經(jīng)典數(shù)據(jù)流異常檢測(cè)算法相比,所提算法不僅能更好的適應(yīng)數(shù)據(jù)流特性而且具有更高的檢測(cè)率。（2）針對(duì)高維數(shù)據(jù)流中數(shù)據(jù)點(diǎn)稀疏性刻畫(huà)困難以及異常檢測(cè)率低等問(wèn)題,提出了一種基于超立方體密度的數(shù)據(jù)流異常檢測(cè)算法。該算法... 

【文章來(lái)源】：桂林電子科技大學(xué)廣西壯族自治區(qū)

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    §1.1 本課題的研究背景與意義
    §1.2 數(shù)據(jù)流異常檢測(cè)的國(guó)內(nèi)外研究現(xiàn)狀
        §1.2.1 靜態(tài)異常檢測(cè)算法研究現(xiàn)狀
        §1.2.2 數(shù)據(jù)流異常檢測(cè)算法研究現(xiàn)狀
        §1.2.3 高維數(shù)據(jù)流異常檢測(cè)算法研究現(xiàn)狀
    §1.3 數(shù)據(jù)流異常檢測(cè)關(guān)鍵問(wèn)題
    §1.4 本文的主要?jiǎng)?chuàng)新點(diǎn)
    §1.5 本文主要工作和結(jié)構(gòu)安排
第二章 數(shù)據(jù)流異常檢測(cè)算法概述
    §2.1 基于滑動(dòng)窗口的數(shù)據(jù)流處理技術(shù)
    §2.2 相關(guān)數(shù)據(jù)流異常檢測(cè)算法
        §2.2.1 改進(jìn)型增量LOF數(shù)據(jù)流異常檢測(cè)算法
        §2.2.2 一種加權(quán)聚類(lèi)的無(wú)監(jiān)督混合數(shù)據(jù)流異常檢測(cè)算法
        §2.2.3 基于角度的數(shù)據(jù)流異常檢測(cè)算法
        §2.2.4 基于增強(qiáng)型角度異常因子的高維數(shù)據(jù)流異常檢測(cè)算法
    §2.3 本文實(shí)驗(yàn)運(yùn)行環(huán)境及數(shù)據(jù)集
        §2.3.1 實(shí)驗(yàn)運(yùn)行環(huán)境
        §2.3.2 實(shí)驗(yàn)數(shù)據(jù)集
    §2.4 本章小結(jié)
第三章 基于局部向量點(diǎn)積密度的數(shù)據(jù)流異常檢測(cè)算法
    §3.1 角度異常因子ABOF的優(yōu)缺點(diǎn)分析
    §3.2 LDVP相關(guān)定義及驗(yàn)證
        §3.2.1 r鄰域
        §3.2.2 點(diǎn)積均值
        §3.2.3 局部向量點(diǎn)積密度
        §3.2.4 局部向量點(diǎn)積密度的驗(yàn)證分析
    §3.3 基于局部向量點(diǎn)積密度的數(shù)據(jù)流異常檢測(cè)算法實(shí)現(xiàn)
        §3.3.1 異常判決準(zhǔn)則
        §3.3.2 異常檢測(cè)階段
        §3.3.3 參數(shù)ε和 λ的確定
    §3.4 實(shí)驗(yàn)結(jié)果分析
        §3.4.1 仿真數(shù)據(jù)集實(shí)驗(yàn)結(jié)果分析
        §3.4.2 UCI測(cè)試數(shù)據(jù)集實(shí)驗(yàn)結(jié)果分析
    §3.5 本章小結(jié)
第四章 基于超立方體密度的數(shù)據(jù)流異常檢測(cè)算法
    §4.1 本算法研究的出發(fā)點(diǎn)
    §4.2 相關(guān)定義和計(jì)算
        §4.2.1 L鄰域
        §4.2.2 超立方體密度和最小密度
        §4.2.3 超立方體直接密度可達(dá)
        §4.2.4 超立方體密度可達(dá)
        §4.2.5 超立方體密度相連
        §4.2.6 異常點(diǎn)和異常簇
        §4.2.7 重疊以及重疊累加值
    §4.3 基于超立方體密度的數(shù)據(jù)流異常檢測(cè)算法實(shí)現(xiàn)
        §4.3.1 數(shù)據(jù)流處理階段
        §4.3.2 異常檢測(cè)階段
        §4.3.3 候選異常點(diǎn)驗(yàn)證階段
    §4.4 參數(shù)L和 MinDens的預(yù)估計(jì)
    §4.5 實(shí)驗(yàn)結(jié)果分析
        §4.5.1 仿真數(shù)據(jù)集驗(yàn)證實(shí)驗(yàn)結(jié)果分析
        §4.5.2 異常檢測(cè)率和誤判率實(shí)驗(yàn)結(jié)果分析
        §4.5.3 綜合性能實(shí)驗(yàn)分析
    §4.6 本章小結(jié)
第五章 總結(jié)與展望
    §5.1 本文工作總結(jié)
    §5.2 展望
參考文獻(xiàn)
致謝
作者在攻讀碩士期間的主要研究成果



本文編號(hào)：3643822