导读:本文包含了异常挖掘论文开题报告文献综述及选题提纲参考文献，主要关键词:遗传算法,数据挖掘,不完整数据,优化
异常挖掘论文文献综述
丁锦华[1]（2019）在《基于改进遗传算法的不完全网络数据异常挖掘研究》一文中研究指出由于原有挖掘方法不易于计算、准确度差的弊端。基于改进遗传算法的不完整网络数据异常挖掘研究显得十分重要。通过确定不完整数据适应值、设立浮点代码、选择不完整数据进行挖掘操作等措施,实现提升数据挖掘的准确性,降低不完全数据挖掘的误报率。从而,保证数据的科学性,为日后网络技术的发展提供基础。(本文来源于《科学技术创新》期刊2019年23期）
孔祥增,江小英,郭躬德,李南,林岭[2]（2018）在《基于量子漫步算法的地震震前异常挖掘》一文中研究指出地震特别是大震前会产生一些异常,但这些异常信息难以识别,导致无法充分利用这些异常信息预测地震的发生时间,减少地震带来的灾害影响.针对这个问题,提出一种基于量子漫步算法的震前异常挖掘方法,提取汶川地震和芦山地震的震前射出长波辐射(Outgoing Long-wave Radiation, OLR)异常,进而计算地震前后的P值,异常值CD等数据,通过统计分析方法,探索OLR异常与地震的关系.并且通过实验将该算法扩展到最近十年左右全球发生的8.0级及以上地震,验证该算法的有效性.实验结果表明,该算法能够有效的反映在地震前后会出现OLR异常,而且越大的地震异常越明显.因此,该算法适用于震前异常挖掘.(本文来源于《计算机系统应用》期刊2018年10期）
孔祥增,马未宇,赵静,林崧,陈丽萍[3]（2016）在《芦山地震震前异常挖掘及多参数关联性验证》一文中研究指出1.背景介绍地震特别是大震前存在一些异常已经得到了人们的共识,但这些异常信息难以识别和无法得到充分的利用。本文提出量子漫步算法来提取芦山地震的震前射出长波辐射异常,以及提取同区域的地面监测数据GPS、垂直倾斜摆和4分量钻孔形变数据异常,通过对这些参数异常进行关联性分析,我们发现以上几种异常在时间上存在一定的关联性。以上分析方法亦可应用于其他地震比如汶川地震除(本文来源于《2016中国地球科学联合学术年会论文集（二十二）——专题45：川滇国家地震监测预报实验场》期刊2016-10-15）
李文[4]（2016）在《震前异常挖掘算法研究》一文中研究指出地震作为一种自然灾害给人类造成了巨大的损失,卫星遥感技术作为一种新型的对地观测技术被应用于地震科学的各个领域中。卫星遥感数据维度高,数据量大,传统人工分析手段已无法应对,数据挖掘方法具有强大的分析处理问题的能力。本文在这种背景下,将数据挖掘方法引入地震预测中,以2005~2014年全球AIRS遥感数据为分析对象,分别提出基于频繁项集、时间序列和主旨模式的震前异常挖掘算法。基于频繁项集的震前异常挖掘算法从属性维度处理遥感数据,针对AIRS传感器18维参量数据进行去背景和分段处理,在有效剔除地区、季节性因素的干扰同时也使得数据适用于项集挖掘;在处理挖掘得到的频繁项集时,使用地震支持度减去非震支持度,有效的去除了非震因素的干扰。实验表明基于频繁项集的震前异常挖掘算法可较好用于地震预测,并且随着地震的临近,震前异常范围不断变大。当前兆区域为2°,前兆时间为30天,分段数为5时,预测效果最佳,预报率81.8%,误报率5.6%,此时地震前兆异常主要和TropTemp_D、TropHeight_D、Surf Pres_Forecast_D、H2O_MMR_Surf_D、TropPres_D、Surf Air Temp_D和Clr Olr_D这七个参量数相关。基于时间序列的震前异常挖掘算法从时间序列角度分析遥感数据,将异常模式挖掘算法与频繁序列匹配算法融入到震前预测中,该方法不同于以往的预测建模,而是从一个全新的角度来发现震前遥感数据异常规律。首先通过对卫星遥感进行数据插值,归一化处理和数据分段,然后利用PrefixSpan算法分别挖掘出频繁序列模式,计算出地震序列模式的差集,然后利用SeqMatching匹配算法匹配测试序列,并通过反馈不断完善异常序列模式。最后通过地震预报率、漏报率以及对非震的误报率,检验方法的有效性。经过36次试验,在确定了数据参量、前兆时间、区域大小、支持度和数据分段个数等参数的基础上,发现CO含量参量的预测效果比较满意。实验表明基于时间序列的震前异常挖掘方法可以找出以往地震历史规律中蕴含的有效异常模式,通过模式匹配,较好地实现震前异常预测。基于主旨模式的震前异常挖掘算法从卫星的角度观察实验数据,将其转化为一系列以时间为单位的空间序列,针对空间序列相似性度量问题,提出一种基于空间距离惩罚度量算法CDTW。在主旨模式挖掘的过程中,基于K-Means的思想,提出一种基于全局平均主旨模式挖掘算法。实验表明CDTW将空间距离作为惩罚因子引入动态弯曲度量DTW中,避免最小距离计算过程中过度弯曲的问题;基于CDTW的全局平均主旨模式算法对AIRS的6个参数的挖掘结果可以反映出遥感数据空间序列的主旨特征,经过初步实验,该方案亦具有一定的可行性。(本文来源于《南京航空航天大学》期刊2016-01-01）
李磊,彭勇[5]（2013）在《基于云模型的异常挖掘算法》一文中研究指出针对基于距离的异常挖掘算法对混合属性数据进行异常挖掘时检测率低的问题,引入概率的思想提出基于云模型的差异度计算公式,并设计了基于云模型的异常挖掘算法,实验结果表明该算法检测率高,误报率低.(本文来源于《微电子学与计算机》期刊2013年08期）
陈珂,邹权[6]（2013）在《融入时间关联因子曲线拟合的交通流异常挖掘方法》一文中研究指出分析了智能交通系统(ITS)的特征使得获取交通流信息的质量和准确性难以保证,且ITS的分析和预测与数据的存在时间远近关联的紧密性。如果不考虑时间关联,将这些含有噪声、冗余、错误或不一致源信息应用到以参数驱动的预测模型,就无法得到全面的分析和精确的预测。研究了引入时间关联因子的曲线拟合对交通流源数据进行预处理和异常检测并解决时间关联性问题。基于ITS已有的流量—时间比例曲线模型,运用最小二乘法曲线拟合原理,提出了一种加入时间关联因子曲线拟合的交通流异常挖掘方法,并运用分箱思想设定交通系统动态正常数据范围,从而在曲线拟合的基础上剔除异常数据,最后用实例验证了拟合效果及该方法对异常交通流数据的有效识别。(本文来源于《计算机工程与设计》期刊2013年07期）
刘千,朱跃龙,张鹏程[7]（2012）在《基于扩展符号聚集近似的水文时间序列异常挖掘》一文中研究指出水文时间序列异常挖掘目前大多采用基于距离的方法。为了克服该方法耗时长、计算量大的缺点,采用一种符号化算法,用扩展符号聚集近似对序列符号化表示,再对字符串进行距离度量,并以太湖流域小梅口站逐日水位数据为例进行验证。实验表明该方法的挖掘结果更全面,运算效率很高,更适合处理大规模数据集。(本文来源于《计算机应用研究》期刊2012年12期）
张磊[8]（2012）在《基于子空间的高维审计数据异常挖掘研究》一文中研究指出面对海量的审计数据,审计人员如何审计这些数据是一个很大的挑战。在实际的审计过程中,这些待审计数据往往是高维的,将子空间聚类算法引入到审计的数据挖掘,针对相应的数据特性,进行智能挖掘,从而发现审计数据价值信息。(本文来源于《硅谷》期刊2012年06期）
向学敏[9]（2011）在《基于Markov随机场的视频异常挖掘研究》一文中研究指出目前，视频监控在学校、车站、银行和机场等公共场所中发挥中极其重要的作用，然而传统的视频监控完全依靠人工进行视频信息处理，其事件和精度特征都难以满足系统安全的需要，因此，采取智能的方法来处理这些海量的视频监控数据以提高系统的有效性与可靠性是亟待解决的问题。近年来刚刚兴起的视频异常挖掘技术，是应用数据挖掘技术实现图像异常模式分析的多学科交叉课题，它融合了数据挖掘、图像处理、计算机视觉、机器学习、模式识别与人工智能等研究领域，已经在视频监控系统发挥着重要的作用，其核心任务是从视频底层特征中，提取出视频序列中隐含的、潜在有用的知识和其他隐含的图像模式。本文从图像处理和数据挖掘技术出发，以视频异常事件检测为核心任务，研究了智能视频监控系统的关键技术，本文所做的工作的和主要创新点有：(1)提出一种面向固定摄像机环境下的运动目标检测方案，利用马尔可夫随机场与最大类方差法的混合模型对视频序列进行前景分割，以达到对运动目标检测的目的。该方法具有检测精度好、训练与检测效率高、对噪声不敏感的特点；(2)提出了一种新的基于马尔可夫链模型的异常行为检测算法，该算法通过对象的局部特征对对象的行为特征向量进行概率密度估计，不仅达到降维的目的，同时降低了行为分类检测的复杂度。通过实验分析表明，该方法总体上达到了80%以上的正确检查率；(3)针对多人之间发生异常行为进行研究，提出一种能准确的辨识此类异常行为的异常算法。该算法在传统的能量模式基础上，根据马尔可夫随机场邻域相关的特性，加入连续帧的动态特征，重新构造了能量函数，然后对整幅图像中的所有像素点的能量进行累加并用能量曲线进行数据分析。最后与传统的方法比较表明了该异常检测算法的优越性。(本文来源于《南京航空航天大学》期刊2011-12-01）
陈显周,俞守华,区晶莹[10]（2011）在《异常挖掘在猪只行为数据分析上的应用》一文中研究指出猪只行为数据的异常通常可反映出猪只健康状况的变化。本文通过组合叁种异常挖掘模型来判断猪只行为数据的异常状况:各猪只当前行为数据与其历史行为数据的纵向比较;基于聚类分析技术对猪群划分对等组,然后对组内猪只当前行为数据做横向比较;以历史数据训练神经网络模型,将各猪只当前实际行为数据与神经网络预测数据的比较。实验结果表明通过组合这叁种异常挖掘模型来判断猪只健康的异常可信度较高。(本文来源于《2011年中国农业系统工程学术年会论文集;海峡两岸农业学术研讨会论文集;长沙市第五届自然科学学术年会农学研讨会论文集》期刊2011-11-22）
异常挖掘论文开题报告
（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：
地震特别是大震前会产生一些异常,但这些异常信息难以识别,导致无法充分利用这些异常信息预测地震的发生时间,减少地震带来的灾害影响.针对这个问题,提出一种基于量子漫步算法的震前异常挖掘方法,提取汶川地震和芦山地震的震前射出长波辐射(Outgoing Long-wave Radiation, OLR)异常,进而计算地震前后的P值,异常值CD等数据,通过统计分析方法,探索OLR异常与地震的关系.并且通过实验将该算法扩展到最近十年左右全球发生的8.0级及以上地震,验证该算法的有效性.实验结果表明,该算法能够有效的反映在地震前后会出现OLR异常,而且越大的地震异常越明显.因此,该算法适用于震前异常挖掘.
（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。
异常挖掘论文参考文献
[1].丁锦华.基于改进遗传算法的不完全网络数据异常挖掘研究[J].科学技术创新.2019
[2].孔祥增,江小英,郭躬德,李南,林岭.基于量子漫步算法的地震震前异常挖掘[J].计算机系统应用.2018
[3].孔祥增,马未宇,赵静,林崧,陈丽萍.芦山地震震前异常挖掘及多参数关联性验证[C].2016中国地球科学联合学术年会论文集（二十二）——专题45：川滇国家地震监测预报实验场.2016
[4].李文.震前异常挖掘算法研究[D].南京航空航天大学.2016
[5].李磊,彭勇.基于云模型的异常挖掘算法[J].微电子学与计算机.2013
[6].陈珂,邹权.融入时间关联因子曲线拟合的交通流异常挖掘方法[J].计算机工程与设计.2013
[7].刘千,朱跃龙,张鹏程.基于扩展符号聚集近似的水文时间序列异常挖掘[J].计算机应用研究.2012
[8].张磊.基于子空间的高维审计数据异常挖掘研究[J].硅谷.2012
[9].向学敏.基于Markov随机场的视频异常挖掘研究[D].南京航空航天大学.2011
[10].陈显周,俞守华,区晶莹.异常挖掘在猪只行为数据分析上的应用[C].2011年中国农业系统工程学术年会论文集;海峡两岸农业学术研讨会论文集;长沙市第五届自然科学学术年会农学研讨会论文集.2011