發(fā)布時間：2019-10-04 05:18

【摘要】：在目前大數(shù)據(jù)的環(huán)境下,相對于正常數(shù)據(jù),異常類數(shù)據(jù)更難獲取,也顯得更加重要。異常檢測的目的是檢測出異于正常主體的活動數(shù)據(jù)。異常檢測適用于機器故障診斷、數(shù)據(jù)挖掘以及疾病和入侵檢測等多個領(lǐng)域。基于目前大量的異常檢測方法,主要從異常類數(shù)據(jù)的有無來闡述,根據(jù)這個框架將主要的異常檢測方法進行了分類,并評價了這些方法的優(yōu)劣;最后重點討論了基于深度學習的大數(shù)據(jù)異常檢測方法,并分別介紹了不同的方法及相關(guān)的應用和未來的研究熱點。
【作者單位】： 西南交通大學電氣工程學院;
【分類號】：TP18;TP311.13

【相似文獻】

相關(guān)期刊論文 前10條

1 周緒川;蔡利平;;基于局部異常因子的無監(jiān)督學習集成異常檢測[J];西南民族大學學報(自然科學版);2012年03期

2 馮文剛;高雋;Bill P.Buckles;吳克偉;;無監(jiān)督學習的無線膠囊內(nèi)診鏡視頻分類方法[J];中國圖象圖形學報;2011年11期

3 賈真;何大可;尹紅風;李天瑞;;基于無監(jiān)督學習的部分-整體關(guān)系獲取[J];西南交通大學學報;2014年04期

4 張躍,譚詠梅,姚天順;英漢機譯中一種基于無監(jiān)督學習的詞類消歧策略[J];小型微型計算機系統(tǒng);2000年08期

5 修馳;宋柔;;基于無監(jiān)督學習的專業(yè)領(lǐng)域分詞歧義消解方法[J];計算機應用;2013年03期

6 襲著有;;基于無監(jiān)督學習的SIFT魯棒圖像匹配算法[J];機械與電子;2014年03期

7 張開旭;周昌樂;;基于自動編碼器的中文詞匯特征無監(jiān)督學習[J];中文信息學報;2013年05期

8 史慶偉;李艷妮;郭朋亮;;科技文獻中作者研究興趣動態(tài)發(fā)現(xiàn)[J];計算機應用;2013年11期

9 程小平;邱玉輝;;基于強化學習的LVQ聚類方法[J];計算機科學;2002年12期

10 黎錦雷;黃春莎;;一體化數(shù)據(jù)信息分析反饋[J];氣象研究與應用;2013年04期

相關(guān)碩士學位論文 前4條

1 趙福青;無監(jiān)督學習的產(chǎn)品評論微摘要技術(shù)研究[D];寧波大學;2015年

2 李斯凡;基于無監(jiān)督學習技術(shù)的位置大數(shù)據(jù)分析[D];浙江理工大學;2017年

3 韓倩;基于無監(jiān)督學習的EIT圖像重建方法研究[D];天津工業(yè)大學;2017年

4 胡瑩;Argo剖面浮標數(shù)據(jù)異常檢測方法研究[D];桂林電子科技大學;2016年

，

本文編號：2545767