面向大数据应用的情境感知异常检测算法研究 |
论文目录 | | | 摘要 | 第1-4页 | | Abstract | 第4-9页 | | 第一章 绪论 | 第9-16页 | | 1.1 研究背景及意义 | 第9-10页 | | 1.2 研究问题与挑战 | 第10-13页 | | 1.2.1 Web服务推荐研究 | 第10-12页 | | 1.2.2 交通轨迹异常检测 | 第12-13页 | | 1.3 研究内容与贡献 | 第13-14页 | | 1.4 论文组织结构 | 第14-16页 | | 第二章 国内外研究现状分析 | 第16-20页 | | 2.1 异常检测概述 | 第16-17页 | | 2.2 面向Web服务调用数据的异常检测研究 | 第17-18页 | | 2.3 面向轨迹数据的异常检测研究 | 第18-19页 | | 2.4 本章小结 | 第19-20页 | | 第三章 场景描述 | 第20-25页 | | 3.1 Web服务推荐异常值识别 | 第20-22页 | | 3.2 交通轨迹数据的异常行为车辆识别 | 第22-23页 | | 3.3 本章小结 | 第23-25页 | | 第四章 情境感知Web服务推荐的异常检测研究 | 第25-38页 | | 4.1 定义与说明 | 第25页 | | 4.2 算法总体框架 | 第25-26页 | | 4.3 算法步骤 | 第26-31页 | | 4.3.1 情境相似度挖掘 | 第26页 | | 4.3.2 面向Item的异常值识别及未知QoS值预测 | 第26-29页 | | 4.3.3 面向User的异常值识别及未知QoS值预测 | 第29页 | | 4.3.4 面向Item和User预测值加权处理 | 第29-30页 | | 4.3.5 CASR-TADE算法伪代码 | 第30-31页 | | 4.4 实验与验证分析 | 第31-36页 | | 4.4.1 数据集的描述 | 第31-32页 | | 4.4.2 对比方法 | 第32页 | | 4.4.3 评价标准 | 第32-33页 | | 4.4.4 实验结果与分析讨论 | 第33-36页 | | 4.5 本章小结 | 第36-38页 | | 第五章 非法营运车辆识别算法研究 | 第38-46页 | | 5.1 定义与说明 | 第38-39页 | | 5.2 特征提取 | 第39-41页 | | 5.2.1 车辆的日常行为特征 | 第39-41页 | | 5.2.2 车辆的持续行为特征 | 第41页 | | 5.3 非法营运车辆识别的模型框架以及各子模块的详细介绍 | 第41-43页 | | 5.4 实验设计与结果分析 | 第43-45页 | | 5.4.1 实验设计 | 第43-44页 | | 5.4.2 实验评价参数 | 第44页 | | 5.4.3 实验结果分析 | 第44-45页 | | 5.5 本章小结 | 第45-46页 | | 第六章 总结与展望 | 第46-48页 | | 6.1 工作总结 | 第46-47页 | | 6.2 未来工作 | 第47-48页 | | 参考文献 | 第48-52页 | | 在学期间研究成果 | 第52-54页 | | 致谢 | 第54页 |
|
|
|
| |
