图书介绍
非数值属性数据异常检测算法PDF|Epub|txt|kindle电子书版本网盘下载
- 李志华，张海涛，孙雅，耿振民编著 著
- 出版社： 南昌：江西人民出版社
- ISBN：9787210081401
- 出版时间：2015
- 标注页数：222页
- 文件大小：18MB
- 文件页数：238页
- 主题词：数据检测
PDF下载
下载说明
非数值属性数据异常检测算法PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第一章 绪论1
1.1 引言1
1.2 异常检测相关概念2
1.3 异常检测方法2
1.4 异常检测的评估指标7
1.5 本章小结8
参考文献9
第二章 相关基础知识12
2.1 引言12
2.2 常见非数值属性数据及度量13
2.2.1 语义属性数据13
2.2.2 异构属性数据13
2.2.3 数据样本的度量14
2.2.3.1 距离度量方法15
2.2.3.2 相似性测度16
2.2.3.3 非度量方法17
2.2.3.4 异构数据的度量19
2.3 时间序列数据及度量20
2.3.1 时间序列的表示20
2.3.1.1 离散傅里叶变换21
2.3.1.2 离散小波变换22
2.3.1.3 分段聚集近似23
2.3.1.4 符号化聚集近似24
2.3.1.5 其他方法25
2.3.2 时间序列的相似性度量27
2.3.2.1 闵可夫斯基距离27
2.3.2.2 动态时间弯曲距离28
2.3.2.3 编辑距离31
2.3.2.4 最长公共子序列32
2.3.2.5 MINDIST距离33
2.3.2.6 其他方法33
2.4 本章小结34
参考文献35
第三章 量子聚类算法的研究及其在异常检测中的应用40
3.1 引言40
3.2 量子力学的基本理论42
3.2.1 概率波函数42
3.2.2 薛定锷方程42
3.2.3 量子势能43
3.3 QC算法与FCM算法的比较研究44
3.3.1 量子聚类算法44
3.3.1.1 量子聚类的理论根据44
3.3.1.2 量子聚类算法46
3.3.1.3 量子聚类算法的特点46
3.3.2 FCM算法及其特点47
3.3.2.1 FCM算法简介47
3.3.2.2 FCM算法的特点48
3.3.3 FCM算法的一种量子理论解释48
3.3.4 QC算法与FCM算法的仿真实验比较49
3.3.4.1 仿真实验及分析49
3.3.4.2 QC算法与FCM算法的实验比较结果56
3.3.5 结论56
3.4 基于核宽度调节参数估计的量子聚类算法57
3.4.1 算法概述57
3.4.2 PeQC算法58
3.4.2.1 算法中参数的分析58
3.4.2.2 δ的估计58
3.4.2.3 PeQC算法59
3.4.2.4 PeQC聚类算法分析59
3.4.3 仿真实验及分析60
3.4.4 算法小结62
3.5 语义属性数据模糊量子聚类算法63
3.5.1 算法概述63
3.5.2 距离量子势能64
3.5.3 语义属性数据量子聚类算法65
3.5.3.1 语义属性数据的相异性度量65
3.5.3.2 NQC算法66
3.5.3.3 NQC算法的时空复杂度分析67
3.5.3.4 聚类有效性分析67
3.5.4 仿真实验及分析69
3.5.4.1 仿真实验69
3.5.4.2 soybean disease样本数据集的聚类结果分析72
3.5.5 算法小结72
3.6 基于量子聚类的异常检测方法73
3.6.1 方法概述73
3.6.2 量子势能中的相异性度量分析74
3.6.3 异构数据的距离量子聚类算法74
3.6.3.1 语义属性的相异性度量74
3.6.3.2 异构样本间的Mahalanobis距离74
3.6.3.3 距离量子聚类算法75
3.6.4 基于MDQC算法的异常检测方法76
3.6.5 仿真实验及分析76
3.6.5.1 样本的选择及预处理76
3.6.5.2 实验结果及分析77
3.6.6 异常检测方法小结80
3.7 本章小结81
参考文献81
第四章 基于语义属性数据离群聚类的异常检测86
4.1 引言86
4.2 离群聚类算法介绍88
4.2.1 主观发现方法88
4.2.2 客观发现方法89
4.3 离群聚类算法及分析90
4.3.1 样本的相异性度量90
4.3.2 离群聚类算法91
4.3.3 算法抗离群点干扰能力分析92
4.3.4 算法的时空复杂度分析95
4.4 基于离群聚类的异常检测研究95
4.4.1 检测方法概述95
4.4.2 异常检测实验及分析96
4.5 本章小结98
参考文献99
第五章 基于语义属性数据核分类方法的异常检测101
5.1 引言101
5.2 支撑向量机简介102
5.3 核方法分析及支撑向量机中的核函数106
5.3.1 核方法分析106
5.3.2 支撑向量机中的核函数108
5.4 语义属性数据的核分类方法及分析110
5.4.1 样本的相异性度量110
5.4.2 异构属性样本的核分类方法111
5.4.3 标准样本集的仿真实验及分析112
5.5 基于语义属性数据分类方法的异常检测研究116
5.5.1 检测方法概述116
5.5.2 异常检测实验及分析117
5.6 本章小结120
参考文献120
第六章 基于结构熵聚类的异常检测124
6.1 引言124
6.2 信息论基础125
6.2.1 自信息125
6.2.2 信息熵126
6.2.3 互信息128
6.3 连续属性的离散化算法129
6.3.1 离散化问题简述130
6.3.2 离散化算法130
6.4 结构熵聚类算法132
6.4.1 算法概述132
6.4.2 相异性度量133
6.4.2.1 语义属性相异性度量的计算133
6.4.2.2 异构距离的计算134
6.4.3 结构熵聚类算法135
6.4.3.1 异构数据结构熵的计算135
6.4.3.2 结构熵聚类算法137
6.4.3.3 结构熵聚类方法的时空复杂度分析及特点138
6.4.3.4 标准样本集的仿真实验及分析139
6.4.4 算法小结141
6.5 基于结构熵聚类的异常检测研究142
6.5.1 检测方法概述142
6.5.2 异常检测实验及分析142
6.6 本章小结145
参考文献145
第七章 时间序列的异常检测148
7.1 引言148
7.2 基于层次析取的时间序列数据异常检测算法149
7.2.1 算法概述149
7.2.2 时间序列的层次表示149
7.2.2.1 时间序列的层次标记149
7.2.2.2 层次序列的获取150
7.2.3 基于层次的时间序列数据析取151
7.2.4 仿真实验及分析152
7.2.4.1 实验数据152
7.2.4.2 时间序列的分类153
7.2.4.3 实验结果及分析154
7.2.5 基于LETSD的时间序列异常检测157
7.2.5.1 基于LETSD的时间序列异常检测模型157
7.2.5.2 仿真实验及分析160
7.3 基于趋势的时间序列数据析取之异常检测算法165
7.3.1 算法概述165
7.3.2 时间序列的趋势符号化166
7.3.3 时间序列的趋势距离168
7.3.4 仿真实验及分析169
7.3.4.1 实验数据170
7.3.4.2 时间序列的聚类174
7.3.4.3 实验结果及分析175
7.3.5 基于TETSD的时间序列异常检测178
7.3.5.1 基于TETSD的时间序列异常检测模型178
7.3.5.2 仿真实验及分析179
7.4 本章小结181
参考文献182
第八章 时间序列的可视化异常检测184
8.1 引言184
8.2 基于时间序列分类的可视化异常检测算法185
8.2.1 算法概述185
8.2.2 时间序列的预处理185
8.2.3 LMPC分类方法188
8.2.3.1 实验数据介绍188
8.2.3.2 分类评价指标190
8.2.3.3 实验及结果分析190
8.2.4 基于LMPC的时间序列异常检测方法195
8.2.4.1 实验数据195
8.2.4.2 评价标准197
8.2.4.3 实验结果及分析197
8.3 基于时间序列聚类的可视化异常检测方法203
8.3.1 方法概述203
8.3.2 符号化聚合近似方法的改进204
8.3.3 基于LMP_SAX的时间序列聚类算法205
8.3.3.1 实验数据206
8.3.3.2 评价标准208
8.3.3.3 实验及结果分析209
8.3.4 基于LMP_SAX的时间序列异常检测方法213
8.3.4.1 实验数据214
8.3.4.2 实验结果及分析214
8.4 本章小结220
参考文献220
附录：本书算法的实验环境222