导读:本文包含了异常检测算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:异常,算法,流量,深度,森林,检测器,神经网络。
异常检测算法论文文献综述
李宏科[1]（2019）在《一种基于吊弦异常检测的打弓缺陷预判算法》一文中研究指出吊弦故障对弓网系统影响重大,甚至引发弓网事故,造成行车中断。本文提出一种基于吊弦异常检测的打弓预判算法,首先确定吊弦图像感兴趣区域,然后对该区域进行路径搜索与分析并确定吊弦状态。通过对吊弦异常状态的检测,预判打弓缺陷,提前消除安全隐患,确保行车及设备安全。(本文来源于《电气化铁道》期刊2019年S1期）
余龙华,张琨,蔡颖,景鸿斐[2]（2019）在《移动对象异常行为检测算法》一文中研究指出为解决传统轨迹异常检测算法通常综合考虑轨迹所有总体属性,对轨迹在单个属性上的异常检测率不高的问题,提出一种能够有效检测出轨迹单个属性异常的检测算法。通过对轨迹的单个总体属性进行独立处理,利用改进的CanopyKMeans聚类算法对历史数据进行聚类处理,依据聚类的结果建立单个属性的正常行为模式库。利用各属性的正常行为模式库进行对应属性的异常检测,有效提高异常检测的准确率。定义异常程度属性实现对异常行为的分类,检测出异常行为的目的意图,为对异常行为进行针对性处理提供指导。(本文来源于《计算机工程与设计》期刊2019年12期）
李亚伦,柴争义,陈国强[3]（2019）在《一种用于异常检测的实值否定选择算法》一文中研究指出为了提高实值否定选择算法的效率,通过分析检测器的更新过程,针对已有实值否定选择算法检测器生成冗余的问题,提出一种减少冗余检测器生成的优化算法。所提算法检测器采用二次否定选择,并通过改变接受和拒绝零假设的条件来快速更新检测器集,进而减少无效检测器的生成。采用该算法对合成数据集2DSyntheticData和实际的Iris数据集进行了实验,结果表明,该算法误警率低,所需检测器的数量明显减少,适合实时异常检测。(本文来源于《南京理工大学学报》期刊2019年05期）
张丹丹,游子毅,郑建,陈世国[4]（2019）在《基于改进的局部异常因子检测的优化聚类算法》一文中研究指出聚类分析在无监督学习领域中一直备受国内外学者关注.针对K-means聚类算法对初始聚类中心点敏感、簇内数据相关性差以及收敛到局部最优的缺点,提出了一种基于离群因子的优化聚类算法.该算法采用信息熵加权欧式距离作为相似性度量依据,以更明显地区分数据对象间的差异,然后利用k距离参数自调整的局部异常因子检测算法计算出各数据点的离群因子并筛选出初始聚类中心的候选集,最后根据其离群因子加权距离法优化聚类中心.通过在UCI数据集上的实验测试结果表明,优化算法的准确率比K-means++算法、OFMMK-means算法、FCM算法更高,运行速度比FCM算法更快.该算法能够更好地应用于入侵行为检测、信用风险评估以及多故障诊断等领域.(本文来源于《微电子学与计算机》期刊2019年11期）
杨永娇,唐亮亮[5]（2019）在《一种基于深度Encoder-Decoder神经网络的智能电网数据服务器流量异常检测算法》一文中研究指出传统的网络流量异常检测通常基于单一原始特征变量进行阈值判断,或者对多个相关变量进行降维设计统计量后进行阈值判断,这类方法虽然简单,但无法应对变量间非线性关系随时间变化的情况。本文设计一种能够自适应动态逼近变量间非线性关系的深度神经网络,在普通的Encoder-Decoder神经网络的基础上引入2层注意力机制,提高了神经网络对长期历史信息的利用程度,实现了流量正常状态估计。基于估计得到的流量正常行为,分析其与实测值的残差分布情况,并最终给出置信区间作为判别异常行为的控制限。(本文来源于《计算机与现代化》期刊2019年10期）
林越,刘廷章,曾福庚[6]（2019）在《计及可拓理论与聚类算法的变压器异常状态检测》一文中研究指出传统变压器异常状态检测算法的有效性与精度仍然有待进一步研究。文章提出了采用投影滑动窗口和可拓K-means聚类相结合的变压器状态异常检测一般模型及分析方法。将空间状态变量投影到坐标轴加以考虑,在可拓距离度量下构造指标关联函数,按照给定的规则建立异常检测模型。以湖州某变电站各项历史监测数据对上述模型进行算例分析,结果表明,该方法可定量分析在线监测数据与变压器异常状态之间的动态关系,为实施变压器状态异常检测提供了一定的理论依据。(本文来源于《合肥工业大学学报(自然科学版)》期刊2019年09期）
刘慕娴,陈文迪,刘桂华[7]（2019）在《一种基于K-means算法的网络流量异常检测模型研究》一文中研究指出网络流量异常检测作为一种有效的网络防护手段,能够检测未知攻击行为。为了更高效地检测出流量异常,文章提出一种基于K-means算法的网络流量异常检测模型。该方法首先将网络流量特征属性量化为熵值进行分类,然后将K-means聚类分析算法运用在网络流量异常检测中,提高了检测准确率,从而实现安全监测预警。该模型与传统的一些网络流量异常检测模型相比,具有更高的准确率。(本文来源于《无线互联科技》期刊2019年18期）
黄福兴,周广山,丁宏,张罗平,钱淑韵[8]（2019）在《基于孤立森林算法的电能量异常数据检测》一文中研究指出随着电力系统信息化建设的深入,用户对于电能量数据的质量要求逐渐提高,因此保证海量电能量数据的准确性、可靠性以及完整性具有重要意义.本文采用一种基于孤立森林的异常检测算法,实现大规模电能量数据的异常检测.孤立森林算法通过划分大规模电能量数据集,生成随机二叉树和孤立森林构建模型,通过计算测试电能量数据样本到每棵树的根结点的距离检测异常数据点.该算法不仅能够快速处理海量数据,而且结果准确、可靠性高.本文在大规模电能量数据的正向有功总电量PAP和反向有功总电量RAP字段上进行检测,实验结果表明,该算法检测效率较高,并具有较高的检测正确率.(本文来源于《华东师范大学学报(自然科学版)》期刊2019年05期）
王燕妮,雒津津,王殿伟[9]（2019）在《关键帧结合幅值直方图熵的异常行为检测算法》一文中研究指出异常行为的检测在智能监控系统中具有十分重要的应用。论文提出了一种将关键帧与加权方向角熵值结合的异常行为智能检测方法。该方法首先利用一种像素级的背景提取算法(Visual Background Extractor,VIBE)从视频序列中检测出运动目标,然后提取运动目标幅值加权的方向角特征,并利用改进的无监督聚类方法提取关键帧,最后结合幅值加权方向角熵的方法对异常行为进行检测分类。实验结果表明,该算法能够在指定的监控区域内有效地检测人体行为,并能准确地识别出人体异常行为,实现对监控视频的智能分析。(本文来源于《计算机与数字工程》期刊2019年09期）
杨欣欣,李慧波,胡罡[10]（2019）在《一种基于不平衡类深度森林的异常行为检测算法》一文中研究指出目前已有的视频异常行为检测学习模型在训练过程中忽略了训练集中存在的不平衡类现象,造成模型偏向于多数正常类,减弱了少数异常类的识别能力。提出基于欠采样方法的不平衡类深度森林算法(IMDF),该算法首先采用欠采样方法构建正例和负例数量均衡的训练集分组,在每个分组上训练决策树。然后集成各组决策树为完全随机森林,将随机森林预测结果合并后输入至下一层神经网络,建立深度森林级联网络结构。最后将IMDF应用于视频异常行为检测中,在UMN和UCSD数据集上的实验结果表明IMDF算法具有较好地处理不平衡分类的能力,能够有效检测视频异常行为。(本文来源于《中国电子科学研究院学报》期刊2019年09期）
异常检测算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为解决传统轨迹异常检测算法通常综合考虑轨迹所有总体属性,对轨迹在单个属性上的异常检测率不高的问题,提出一种能够有效检测出轨迹单个属性异常的检测算法。通过对轨迹的单个总体属性进行独立处理,利用改进的CanopyKMeans聚类算法对历史数据进行聚类处理,依据聚类的结果建立单个属性的正常行为模式库。利用各属性的正常行为模式库进行对应属性的异常检测,有效提高异常检测的准确率。定义异常程度属性实现对异常行为的分类,检测出异常行为的目的意图,为对异常行为进行针对性处理提供指导。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
异常检测算法论文参考文献
[1].李宏科.一种基于吊弦异常检测的打弓缺陷预判算法[J].电气化铁道.2019
[2].余龙华,张琨,蔡颖,景鸿斐.移动对象异常行为检测算法[J].计算机工程与设计.2019
[3].李亚伦,柴争义,陈国强.一种用于异常检测的实值否定选择算法[J].南京理工大学学报.2019
[4].张丹丹,游子毅,郑建,陈世国.基于改进的局部异常因子检测的优化聚类算法[J].微电子学与计算机.2019
[5].杨永娇,唐亮亮.一种基于深度Encoder-Decoder神经网络的智能电网数据服务器流量异常检测算法[J].计算机与现代化.2019
[6].林越,刘廷章,曾福庚.计及可拓理论与聚类算法的变压器异常状态检测[J].合肥工业大学学报(自然科学版).2019
[7].刘慕娴,陈文迪,刘桂华.一种基于K-means算法的网络流量异常检测模型研究[J].无线互联科技.2019
[8].黄福兴,周广山,丁宏,张罗平,钱淑韵.基于孤立森林算法的电能量异常数据检测[J].华东师范大学学报(自然科学版).2019
[9].王燕妮,雒津津,王殿伟.关键帧结合幅值直方图熵的异常行为检测算法[J].计算机与数字工程.2019
[10].杨欣欣,李慧波,胡罡.一种基于不平衡类深度森林的异常行为检测算法[J].中国电子科学研究院学报.2019
论文知识图
