2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩75頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著計算機與網絡通信技術的飛速發(fā)展和應用領域的不斷擴大,在傳感器網絡管理、金融風險分析、互聯(lián)網流量管理和網絡入侵檢測等諸多領域里,處理的數(shù)據(jù)不再是有限存儲的數(shù)據(jù)集合,而是短時間內大量到達,隨時間動態(tài)變化的演化數(shù)據(jù)流。傳統(tǒng)的數(shù)據(jù)庫技術無法使用有限空間來快速處理這種海量、高速的數(shù)據(jù)流從而獲取實時的有用信息。如何對這些場景中大量的數(shù)據(jù)流實時準確地進行異常檢測以達到相關的應用需求已成為當前數(shù)據(jù)流挖掘的研究熱點。 本文闡述了目前國內外關于

2、數(shù)據(jù)流異常檢測的研究成果;在分析現(xiàn)有研究成果的基礎上,針對數(shù)據(jù)流的不同應用場景,分別提出了解決方法。針對中低維的集中式數(shù)據(jù)流,采用LOF算法和SR樹索引結構結合的方法設計了SR_IncLOF算法,特別針對高維的集中式數(shù)據(jù)流場景,提出了基于張量分解的異常檢測算法;對于分布式數(shù)據(jù)流場景,構建了一個分布式的數(shù)據(jù)流異常檢測模型,設計了結合核密度和微簇樹數(shù)據(jù)結構的異常檢測算法。通過不同類型數(shù)據(jù)集的實驗驗證了本文算法的異常檢測性能相比其他同類算法都

3、有較大的提高。研究內容包括以下幾個方面: ⑴針對基于密度的LOF算法所存在的不足進行改進,提出一種結合SR索引樹的異常檢測優(yōu)化算法SR_IncLOF算法,能夠解決集中式的低中維數(shù)據(jù)流異常檢測問題。該算法通過SR索引樹來快速查找每個數(shù)據(jù)點的KNN集和KRNN集,采用局部異常因子LOF刻畫異常程度,不但能夠快速地增量更新,有效地解決了數(shù)據(jù)流的快速演化和一次遍歷等問題,而且復雜度較低,支持實時要求非常高的數(shù)據(jù)流異常檢測。 ⑵針

4、對高維的集中式數(shù)據(jù)流異常檢測問題,分析了基于張量分解的高維索引技術,提出了基于張量分解的異常檢測算法。該算法以張量的視角來模擬演化數(shù)據(jù)流,對此進行張量分解,基于張量分析來近似數(shù)據(jù)流的分布,并且通過自適應采樣能得到關于數(shù)據(jù)流的最佳近似矩陣,易于實施。 ⑶針對分布式數(shù)據(jù)流場景,提出基于核密度的分布式異常檢測技術,提出了兩種新的異常點定義,分別對應于基于距離和基于密度的異常分布。針對此問題提出兩種有效的算法,第一個算法基于核密度估計技

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論