

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、實時數(shù)據(jù)異常檢測是數(shù)據(jù)挖掘技術下異常分析的一個主要課題,高效、準確的實時數(shù)據(jù)異常檢測對于保障工業(yè)生產安全、推進醫(yī)療技術發(fā)展、防止網(wǎng)絡入侵、實現(xiàn)數(shù)據(jù)預測等有著重要的意義。當實時數(shù)據(jù)量較小、數(shù)據(jù)維度較低時,應用傳統(tǒng)的異常檢測技術就可以實現(xiàn)有效的實時數(shù)據(jù)異常檢測。然而,隨著信息化的加速,實時數(shù)據(jù)的數(shù)據(jù)量越來越大,實時數(shù)據(jù)的維度不確定性越來越強。如果應用傳統(tǒng)的異常檢測技術實現(xiàn)實時數(shù)據(jù)異常檢測,那么算法的計算復雜度太高使得算法的檢測效率低下,同時
2、由于傳統(tǒng)異常檢測算法泛性較強、針對性較弱等特點導致算法的異常判別和異常分類精度不高。面對現(xiàn)有實時數(shù)據(jù)的數(shù)據(jù)量大、屬性不確定性強的特點,如何實現(xiàn)高效準確的實時數(shù)據(jù)異常檢測是異常分析技術所面臨的一個嚴峻的挑戰(zhàn)。為了解決這一問題,本文針對實時數(shù)據(jù)的特點做了如下工作:
1)通過分析傳統(tǒng)異常檢測方法模型,結合現(xiàn)有實時數(shù)據(jù)的特點,本文提出一種針對實時數(shù)據(jù)的異常檢測模型。相比傳統(tǒng)的異常檢測模型,該模型添加了數(shù)據(jù)過濾模塊和系數(shù)向量模塊:應
3、用數(shù)據(jù)過濾模塊可以大大減少待檢測實時數(shù)據(jù)的數(shù)據(jù)量;應用系數(shù)向量模塊可以提高實時數(shù)據(jù)異常判別和實時數(shù)據(jù)異常分類的精度。
2)在數(shù)據(jù)過濾模塊中,本文借鑒Sky-Line空間查詢算法提出了基于邊界集的數(shù)據(jù)過濾算法(Boundary-SetFilteringalgorithm,BSF)。該算法通過定義統(tǒng)治集和邊界集可以有效的實現(xiàn)數(shù)據(jù)過濾。異常檢測過程旨在發(fā)現(xiàn)數(shù)據(jù)集中那些可能或已發(fā)生異常的數(shù)據(jù),這些數(shù)據(jù)的數(shù)據(jù)量相對于初始數(shù)據(jù)集的數(shù)據(jù)
4、量而言是很小的?;谶@一特點本文把初始數(shù)據(jù)集中那些顯然正常的數(shù)據(jù)樣本定義為被統(tǒng)治樣本,把初始數(shù)據(jù)集中不屬于被統(tǒng)治樣本的樣本組成的集合定義為邊界集。BSF算法就是指依照自定義的規(guī)則從初始數(shù)據(jù)集中提取邊界集進而實現(xiàn)數(shù)據(jù)過濾的過程。
3)在系數(shù)向量模塊中,本文基于系數(shù)向量和決策樹理論提出了基于系數(shù)向量的異常判別方法和Sign異常分類算法。在正交空間下,樣本的系數(shù)向量可以確定樣本在空間中的相對位置,所以基于系數(shù)向量應用樣本對應向量
5、的系數(shù)可以準確的判別實時數(shù)據(jù)異常;決策樹理論是一種高效的分類技術,其核心在于條件的定義,Sign分類算法以樣本對應向量的系數(shù)符號為決策條件能夠實現(xiàn)高精度的異常分類。
4)基于以上提出的模型和方法,本文提出基于系數(shù)向量的動態(tài)實時數(shù)據(jù)異常檢測方法,并應用UCI數(shù)據(jù)集中的shuttle數(shù)據(jù)和TEP過程數(shù)據(jù)完成算法的仿真實驗,實驗對比了基于PCA的異常檢測方法和基于KPCA的異常檢測方法。實驗結果表明基于BSF的實時數(shù)據(jù)動態(tài)異常檢
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(wǎng)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(jīng)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。
最新文檔
- 基于實時數(shù)據(jù)驅動的遠程監(jiān)測方法研究.pdf
- 基于wince系統(tǒng)的實時數(shù)據(jù)采集方法
- 基于wince系統(tǒng)的實時數(shù)據(jù)采集方法
- 實時數(shù)據(jù)流動態(tài)模式發(fā)現(xiàn)與跟蹤方法.pdf
- 實時數(shù)據(jù)流動態(tài)模式發(fā)現(xiàn)與跟蹤方法(1)
- 一種基于DSP的實時數(shù)據(jù)采集方法研究.pdf
- 基于實時數(shù)據(jù)的火電機組模型參數(shù)辨識方法.pdf
- 基于FPGA的CCD掃描缺陷檢測實時數(shù)據(jù)處理技術的研究.pdf
- 基于數(shù)據(jù)挖掘的實時電力遠動傳輸異常檢測.pdf
- 實時數(shù)據(jù)庫實時數(shù)據(jù)與參數(shù)管理模型設計.pdf
- 基于RTDB的實時數(shù)據(jù)壓縮算法研究.pdf
- 基于Web的實時數(shù)據(jù)監(jiān)控技術的研究.pdf
- 基于Spark的內河船舶軌跡實時異常檢測方法研究.pdf
- 基于數(shù)據(jù)挖掘的患者流向異常檢測方法研究.pdf
- 基于動態(tài)關聯(lián)矩陣的管網(wǎng)水質異常檢測方法研究.pdf
- 基于人工免疫理論的動態(tài)異常檢測方法研究.pdf
- 動態(tài)人耳實時檢測方法研究.pdf
- 基于實時數(shù)據(jù)流的應用系統(tǒng)研究.pdf
- 基于SOA的實時數(shù)據(jù)倉庫技術研究.pdf
- 基于SOA實時數(shù)據(jù)倉庫的研究與應用.pdf
評論
0/150
提交評論