異常檢測作為數(shù)據(jù)挖掘的重要研究熱點之一,一直受到學術界的廣泛關注。隨著萬物物聯(lián)及硬件技術的飛速發(fā)展,數(shù)據(jù)正以更快的速度產(chǎn)生,異常檢測所面臨的數(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,實時和多變等特性的動態(tài)數(shù)據(jù)。本文針對現(xiàn)有數(shù)據(jù)流異常檢測算法中存在的異�？坍嫴粔驕蚀_和檢測率低等問題開展研究,提出了兩種有效的數(shù)據(jù)流異常檢測算法。本文主要的研究內(nèi)容如下:（1）針對傳統(tǒng)角度異常因子模型構造復雜且對異常刻畫不夠準確等問題,提出了一種基于局部向量點積密度的數(shù)據(jù)流異常檢測算法。首先,采用滑動窗口模型對流入的數(shù)據(jù)進行加窗處理,并計算當前窗口中各數(shù)據(jù)點的點積均值和局部向量點積密度;然后,運用局部向量點積密度對各數(shù)據(jù)點進行異常程度的度量,并基于最大斜率模型找出異常劃分點;最后,根據(jù)異常劃分點確定當前窗口中的候選異常點,并對當前候選異常點進行驗證,將滿足驗證要求的候選異常點判定為真實異常點。與經(jīng)典數(shù)據(jù)流異常檢測算法相比,所提算法不僅能更好的適應數(shù)據(jù)流特性而且具有更高的檢測率。（2）針對高維數(shù)據(jù)流中數(shù)據(jù)點稀疏性刻畫困難以及異常檢測率低等問題,提出了一種基于超立方體密度的數(shù)據(jù)流異常檢測算法。該算法... 

【文章來源】：桂林電子科技大學廣西壯族自治區(qū)

【文章頁數(shù)】：62 頁

【學位級別】：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)流異常檢測的國內(nèi)外研究現(xiàn)狀
        §1.2.1 靜態(tài)異常檢測算法研究現(xiàn)狀
        §1.2.2 數(shù)據(jù)流異常檢測算法研究現(xiàn)狀
        §1.2.3 高維數(shù)據(jù)流異常檢測算法研究現(xiàn)狀
    §1.3 數(shù)據(jù)流異常檢測關鍵問題
    §1.4 本文的主要創(chuàng)新點
    §1.5 本文主要工作和結構安排
第二章 數(shù)據(jù)流異常檢測算法概述
    §2.1 基于滑動窗口的數(shù)據(jù)流處理技術
    §2.2 相關數(shù)據(jù)流異常檢測算法
        §2.2.1 改進型增量LOF數(shù)據(jù)流異常檢測算法
        §2.2.2 一種加權聚類的無監(jiān)督混合數(shù)據(jù)流異常檢測算法
        §2.2.3 基于角度的數(shù)據(jù)流異常檢測算法
        §2.2.4 基于增強型角度異常因子的高維數(shù)據(jù)流異常檢測算法
    §2.3 本文實驗運行環(huán)境及數(shù)據(jù)集
        §2.3.1 實驗運行環(huán)境
        §2.3.2 實驗數(shù)據(jù)集
    §2.4 本章小結
第三章 基于局部向量點積密度的數(shù)據(jù)流異常檢測算法
    §3.1 角度異常因子ABOF的優(yōu)缺點分析
    §3.2 LDVP相關定義及驗證
        §3.2.1 r鄰域
        §3.2.2 點積均值
        §3.2.3 局部向量點積密度
        §3.2.4 局部向量點積密度的驗證分析
    §3.3 基于局部向量點積密度的數(shù)據(jù)流異常檢測算法實現(xiàn)
        §3.3.1 異常判決準則
        §3.3.2 異常檢測階段
        §3.3.3 參數(shù)ε和 λ的確定
    §3.4 實驗結果分析
        §3.4.1 仿真數(shù)據(jù)集實驗結果分析
        §3.4.2 UCI測試數(shù)據(jù)集實驗結果分析
    §3.5 本章小結
第四章 基于超立方體密度的數(shù)據(jù)流異常檢測算法
    §4.1 本算法研究的出發(fā)點
    §4.2 相關定義和計算
        §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
        §4.2.4 超立方體密度可達
        §4.2.5 超立方體密度相連
        §4.2.6 異常點和異常簇
        §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)流異常檢測算法實現(xiàn)
        §4.3.1 數(shù)據(jù)流處理階段
        §4.3.2 異常檢測階段
        §4.3.3 候選異常點驗證階段
    §4.4 參數(shù)L和 MinDens的預估計
    §4.5 實驗結果分析
        §4.5.1 仿真數(shù)據(jù)集驗證實驗結果分析
        §4.5.2 異常檢測率和誤判率實驗結果分析
        §4.5.3 綜合性能實驗分析
    §4.6 本章小結
第五章 總結與展望
    §5.1 本文工作總結
    §5.2 展望
參考文獻
致謝
作者在攻讀碩士期間的主要研究成果



本文編號：3643822