版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、西安科技大學(xué)碩士學(xué)位論文時(shí)間序列異常模式挖掘關(guān)鍵技術(shù)研究姓名:周鑫申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師:李愛(ài)國(guó)201106Subject:StudyofKeyTechnologiesonAbnmalPatternMininginTimeSeriesSpecialty:ComputerApplicationTechnologyName:ZhouXin(Signature)Instruct:LiAiguo(Signature)AB
2、STRACTStudyofkeytechnologiesonabnmalpatternminingintimeserieshasimptantacademicvaluepracticalsignificance.Indertodealwiththecontinuitynonlinearhighdimensionoftimeseriesthisthesisaimstoexpleanewwaytomineabnmalpatternoftim
3、esseries.Themethodsofabnmaldetectionbasedonclassficationdimensionalityreductionofactersattributesarestudiedwhichareappliedtoanomalydetectionofcoalminegasdatas.Atthesametimethesolutionsdefinitionoflayoutofmultisenssystema
4、reproposed.Anabnmaldetectionsoftwaresystemofgasbasedontimeseriesdataminingisdeveloped.Themaincontentsareasfollows:Aninverseclassificationmethodofquantitativeattributeswaspresentedwhichovercomesthedisadvantageofmostinvers
5、eclassificationalgithmsaddressdiscreteattributes.Thealgithmputsemphasisonanalysisofthetrainingsamplesthetestsamplesthemainideais:firstlyagroupoffeatureattributesareedbyusingfeatureionalgithmthenthequantitativeattributesa
6、rediscretizedbyusingdiscretizationalgithmstheinvertedstatisticsareconstructedonthetrainingsamplesfinallythetestsamplesareanalyzedbyusingtheinvertedstatisticsthemethodisappliedtoabnmaldetectionestimatingthemissingvalues.E
7、xperimentalresultsonIRISEcolidatasetsshowthattheaccuracyofclassificationtheaveragerelativedeviationthemaximumrelativedeviationarebetterthanKNN(kNearestNeighbs)ISGNN(IterationSelfGeneratedNeuralwk).Indertoovercomethelowac
8、curacyofanomalydetectionbasedonmanifoldlearningmethods.TwosupervisedmanifoldlearningalgithmsareproposednamedPSLLE(SupervisedLocallyLinearEmbeddingbasedonProblitity)PQSLLE(QuickSupervisedLocallyLinearEmbeddingbasedonProbl
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 多相關(guān)時(shí)間序列異常模式挖掘框架的研究.pdf
- 多相關(guān)周期性時(shí)間序列上的異常模式關(guān)聯(lián)規(guī)則挖掘.pdf
- 基于分形的非平穩(wěn)時(shí)間序列挖掘關(guān)鍵技術(shù)研究.pdf
- 重復(fù)正負(fù)序列模式挖掘關(guān)鍵技術(shù)的研究.pdf
- 時(shí)間序列特征模式挖掘關(guān)鍵方法研究.pdf
- 異常檢測(cè)模式學(xué)習(xí)若干關(guān)鍵技術(shù)研究.pdf
- 基于機(jī)器學(xué)習(xí)的時(shí)間序列預(yù)測(cè)關(guān)鍵技術(shù)研究.pdf
- 基于基因表達(dá)式編程函數(shù)挖掘和時(shí)間序列分析關(guān)鍵技術(shù)研究.pdf
- 18927.時(shí)空序列數(shù)據(jù)挖掘中若干關(guān)鍵技術(shù)研究
- 時(shí)間序列模式匹配技術(shù)研究.pdf
- 多維時(shí)間序列數(shù)據(jù)挖掘技術(shù)研究.pdf
- 時(shí)間序列特征模式挖掘研究.pdf
- 時(shí)間序列模式挖掘算法研究.pdf
- 基于數(shù)據(jù)挖掘的異常模式入侵檢測(cè)研究.pdf
- 流數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究.pdf
- 航空磁異常探測(cè)關(guān)鍵技術(shù)研究.pdf
- 異常檢測(cè)方法及其關(guān)鍵技術(shù)研究.pdf
- 圖數(shù)據(jù)庫(kù)頻繁模式挖掘關(guān)鍵技術(shù)研究.pdf
- 裝配序列規(guī)劃關(guān)鍵技術(shù)研究.pdf
- 基于時(shí)間序列動(dòng)態(tài)劃分的托攻擊檢測(cè)關(guān)鍵技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論