检索结果-内蒙古大学图书馆

作者：王津辉厦门理工学院

学位级别：硕士

用户画像是一种利用大数据技术将海量的数据通过分析挖掘的方法描绘出用户全貌的技术。这项技术最早出现在电子商务行业,通过该技术电子商务公司建立符合用户本身的个性化标签,通过这些标签从而实现用户画像系统的设计,运营人员通过用... 详细信息

用户画像是一种利用大数据技术将海量的数据通过分析挖掘的方法描绘出用户全貌的技术。这项技术最早出现在电子商务行业,通过该技术电子商务公司建立符合用户本身的个性化标签,通过这些标签从而实现用户画像系统的设计,运营人员通过用户画像系统,针对不同用户做定向管理,不仅提升了用户体验,也实现了运营人员的精准化营销。随着技术的成熟,越来越多的行业开始设计用户画像系统。目前,随着大数据技术的迅速发展,福建已经积累了大量卷烟零售户的数据资源,这些数据资源的背后蕴含了每个卷烟零售户的各种信息。为了快速准确的挖掘关于零售户的信息,福建烟草行业开始了针对零售户的画像系统的设计,其设计要求是系统可以准确、深度的挖掘零售户数据中隐藏的价值,从而实现零售户的精准分类,以及发现异常零售户,因此构建福建卷烟零售户画像系统,进一步提升了后台管理人员的工作效率,改善监管模式。本课题的卷烟零售户画像系统主要根据福建卷烟零售户管理的实际需求,通过大数据技术,对历年的零售户采购销售、违规违法等数据进行分析和挖掘,从而实现对福建卷烟零售户的精准分类,以及异常检测。本文首先介绍了用户画像国内外的现状以及异常检测算法国内外现状。在此基础上,提出了福建卷烟零售户画像系统的设计与实现的研究内容,并对本文所用到的大数据技术进行了梳理解释。因此本文的主要研究内容:(1)卷烟零售户画像建模。针对卷烟零售户画像的专业性,通过德尔菲法确立标签树,并根据确立的标签通过层次分析法计算标签权重,之后运用K-means聚类算法,对其进行精准分类,从而设计综合评价体系,完成卷烟零售户画像建模。(2)异常零售户检测算法。针对烟草专卖管理的实际需求,提出了适合零售户数据本身的异常检测算法。在本课题中,针对已有异常检测方法的缺陷,提出了一种新的异常检测模型:变分偏差网络模型。该模型主要由三部分组成,分别是:异常得分网络、变分自编码、偏差损失函数。首先此次研究通过变分自编码学习正常数据的正态分布作为参考分数,然后使用另外一个神经网络学习异常数据的异常得分,最后,使用一个偏差损失函数来强制异常分数与正常数据的参考分数之间产生明显的偏差。从而实现零售户的异常检测,最后根据该异常检测算法得到的评分,对违法违规的零售户精准分类。(3)零售户画像系统的设计与实现。设计本次零售户画像系统的总体架构,并将零售户画像建模方法与异常零售户检测算法内嵌与系统之中,以便实现对应功能。并针对业务需求设计零售户画像系统的三个功能模块,最后通过看板展示实现了标签系统、指标看板、用户视图的可视化。本次研究详细介绍了用户画像以及异常检测算法的背景和意义,同时列举了对应的国内外现状,确定了以层次分析法计算权重,K-means聚类算法精准分类两者相结合的画像系统建模方式,验证了此方法符合卷烟零售户画像系统的设计,同时提出了一种全新的异常检测方法即变分偏差网络模型,该模型优于目前主流的异常检测算法,最后设计了本次卷烟零售户画像系统的主要功能,通过看板展示符合预期效果。

关键词：用户画像系统异常检测算法卷烟零售户大数据烟草

来源：评论

学校读者我要写书评

暂无评论

融合CMA-ES算法及贯序极限学习机的贴片后异常检测方法

融合CMA-ES算法及贯序极限学习机的贴片后异常检测方法

引用

作者：崔欣杨婷婷雷世怡吴雨豪林子越赵浩冰周子云金兢夏娜 230000 安徽省合肥市经济技术开发区大学城丹霞路485号合肥工业大学翡翠科教楼c503室

本发明公开了一种融合CMA‑ES算法及贯序极限学习机的贴片后异常检测方法，包括：1由正常焊接PCB数据库得到样本训练集；2对训练集进行图像增强，得到增强后的训练集；3由Haar变换提取训练集特征4以单隐层前馈神经网络构建贯序极限学习... 详细信息

标准号: CN113177563A

本发明公开了一种融合CMA‑ES算法及贯序极限学习机的贴片后异常检测方法，包括：1由正常焊接PCB数据库得到样本训练集；2对训练集进行图像增强，得到增强后的训练集；3由Haar变换提取训练集特征4以单隐层前馈神经网络构建贯序极限学习机模型；5完成模型的初始化训练；6利用CMA‑ES算法得到贯序极限学习机的最优参数；7设计基于贯序极限学习机模型进行贴片后异常检测算法；8进行贯序极限学习机模型在线训练；9利用该模型检测是否发生贴片异常。本发明能有效检测贴片后的异常，具有较好的精准度与实时性，且不需要增加额外辅助信息，适用于SMT贴片后的异常检测，可广泛应用于SMT生产流水线，具有广阔的应用前景。

关键词：极限学习机贴片异常检测训练集算法前馈神经网络异常检测算法训练集特征样本训练集辅助信息模型检测图像增强有效检测在线训练最优参数初始化单隐层精准度实时性构建流水线焊接应用数据库融合

来源：评论

学校读者我要写书评

暂无评论

基于单分类极限学习机算法的飞机发动机多工况检测方法

基于单分类极限学习机算法的飞机发动机多工况检测方法

引用

作者：陈绍炜武萌赵帅温鹏飞汪盛悦窦智李毅薛峰李勇 710072 陕西省西安市友谊西路127号

本发明提供了一种一种基于单分类极限学习机算法的飞机发动机多工况检测方法，利用k‑means聚类算法实现了工况的自动划分，并通过在不同工况下分别构建检测模型，实现了多模型的并行监测，采用半监督的单分类极限学习机算法作为异常检... 详细信息

标准号: CN111985546A

本发明提供了一种一种基于单分类极限学习机算法的飞机发动机多工况检测方法，利用k‑means聚类算法实现了工况的自动划分，并通过在不同工况下分别构建检测模型，实现了多模型的并行监测，采用半监督的单分类极限学习机算法作为异常检测算法，通过构建复杂数据集的正常域，根据待测样本的输出偏差来计算设备的异常指标。此外，本发明采用移动平均滤波、标准化的方法处理噪声和量纲问题，完成了数据预处理。本发明是一个完整的针对飞机发动机系统的多工况异常检测体系，通过得到的异常指标获取发动机的退化状态，在设备失效之前实现异常预警，保障了飞机运行的安全性和可靠性。

关键词：飞机发动机极限学习机异常指标多工况构建算法异常检测算法数据预处理并行监测待测样本复杂数据计算设备聚类算法输出偏差退化状态移动平均异常检测异常预警半监督正常域分类检测量纲滤波噪声发动机标准化飞机

来源：评论

学校读者我要写书评

暂无评论

基于FCD的路网交通时空特征分析及应用

基于FCD的路网交通时空特征分析及应用

引用

作者：王晓蒙中国科学院大学

学位级别：博士

智能交通系统的发展对缓解城市交通拥堵，提高城市居民生活质量具有重要意义，而准确、完备的交通信息是各类智慧交通应用的基础。由于铺设和维护成本过高，传统基于固定传感器的交通信息采集系统难以实现全路网覆盖，而基于车载GPS、... 详细信息

智能交通系统的发展对缓解城市交通拥堵，提高城市居民生活质量具有重要意义，而准确、完备的交通信息是各类智慧交通应用的基础。由于铺设和维护成本过高，传统基于固定传感器的交通信息采集系统难以实现全路网覆盖，而基于车载GPS、移动互联网等技术的浮动车技术，因其成本低、对路网覆盖广等优点逐渐受到国内外学者关注。本研究以北京市1.2万辆出租车轨迹数据以及北京市六环以内路网交通流为研究对象，研讨如何高效地从浮动车数据用提取高质量的交通流信息，研究路网交通流时空特征以及将其应用于实时交通应用的方法，通过真实的海量浮动车数据以及其他交通数据对研究结果进行了验证。本文主要研究工作主要包括以下几个方面:\n 1、海量浮动车数据预处理技术研究。提出一种基于轨迹数据的路网拓扑错误检测方法，对真实路网数据进行拓扑修复，为后续应用提供具有良好拓扑结构的路网数据;探讨浮动车数据的存储方式以及冗余数据的过滤问题;面向海量浮动车数据构建地图匹配模型，相对传统方法，采用基于预处理的路径分析算法，在不损失精度的情况下大幅提升模型匹配效率，为浮动车数据实时应用提供保障。\n 2、基于FCD的路网交通流时空特征分析。对海量浮动车轨迹数据进行分析，提取出路网交通流时空特征，时间特征包括路网交通流周期性特征和相邻时段交通流状况变化特点;空间特征方面，分析对比了传统的基于邻域关联性分析的交通流空间特征和基于全局关联性分析的路段间交通流相似关系，通过实验证实基于聚类、分类和频繁模式挖掘得到的路段间交通流相似关系更具有代表性，适合应用于交通流参数估计、预测等应用中。\n 3、面向浮动车数据时空稀疏性的交通流参数估计。以北京出租车数据为例分析浮动车数据时空稀疏性特征，针对样本缺失路段，构建基于HMM的交通流参数估计模型，依据路网交通流时空特征设计模型参数，对基于邻域关联性和全局相似性的模型进行对比分析，进一步验证路网交通流全局关联性的应用优势，针对不同数据稀疏程度验证模型的应用成效。\n 4、基于路网交通流时空特征的异常检测算法。讨论传统交通流异常检测方法的局限性，基于时间序列预测的异常检测方法只适用于拓扑结构简单、周期性特征明显的主干道和快速路，基于时空格网和LRT的异常检测是以交通流时空均质性为前提，不符合实际的交通流时空特征，本文依据路网交通流时空特征设计交通异常检测模型的参数，能更准确地检测和跟踪交通异常，并搜集了真实的城市突发事件数据与研究结果进行对比验证模型切实有效。

关键词：路网交通流时空特征海量浮动车数据参数估计异常检测算法

来源：评论

学校读者我要写书评

暂无评论

基于公共场景监控数据的人群行为分析和异常检测

基于公共场景监控数据的人群行为分析和异常检测

引用

作者：崔静北京交通大学

学位级别：硕士

人群行为分析和异常检测是计算机视觉、模式识别和智能交通等的交叉研究领域，近几年已成为人工智能和视频监控技术等方面的研究热点。本文针对简单无结构场景和复杂结构化场景中的人群监控轨迹数据集进行了运动行为分析及异常轨迹检测... 详细信息

人群行为分析和异常检测是计算机视觉、模式识别和智能交通等的交叉研究领域，近几年已成为人工智能和视频监控技术等方面的研究热点。本文针对简单无结构场景和复杂结构化场景中的人群监控轨迹数据集进行了运动行为分析及异常轨迹检测方面的研究分析。　　本文的主要研究工作包括:　　1.基于FCM(Fuzzy C-Means)算法和Hausdorff距离的简单无结构场景人群行为分析和场景隐结构信息学习。本文首先提取人群轨迹的场景出入点，并利用FCM算法和Hausdorff距离对其聚类。通过学习轨迹关键点簇，进一步获得粗略的人群轨迹聚类以及场景的隐结构信息。　　2.基于轨迹类的特征统计直方图及局部动态一致性原则进行异常轨迹检测。无结构场景内，同一类人群轨迹通常具有相似的运动趋势。通过统计轨迹类内轨迹样本点位置、速度和运动方向等特征，建立轨迹类特征统计直方图，并与局部动态一致性原则相结合进行异常轨迹检测。　　3.基于最大最小距离聚类算法的复杂结构化场景内运动轨迹模式学习和人群行为分析。首先将运动轨迹进行分段处理，以降低后续分析难度;然后使用最大最小距离聚类算法对分段轨迹集进行聚类，并学习各分段轨迹类数据的感兴趣区域，得到潜在人群行为信息。　　4.基于轨迹样本点局部密度的分段轨迹异常检测。轨迹上样本点的局部密度来可以体现轨迹的异常性。本文选取一种基于局部密度的异常检测算法——LOF(Local Outlier Factor)，通过计算测试轨迹集内轨迹样本点的局部密度和局部异常因子，对轨迹进行异常轨迹检测。

关键词：公共场景监控数据人群行为轨迹数据集运动轨迹异常检测算法

来源：评论

学校读者我要写书评

暂无评论

异常检测测试平台的设计

引用

计算机工程与设计 2008年第6期29卷 1456-1458页

作者：刘筠卢超陕西理工学院物理系陕西汉中723000

提出了一种可以测试不同算法的异常检测测试平台。为适合大规模分布式网络,将网络分成不同网段,每个网段放置一个探测器IC,把不同IC提供的网络数据汇总至异常检测部件,在此进行异常分析,并根据分析结果对可能的入侵行为进行实时报警,其... 详细信息

提出了一种可以测试不同算法的异常检测测试平台。为适合大规模分布式网络,将网络分成不同网段,每个网段放置一个探测器IC,把不同IC提供的网络数据汇总至异常检测部件,在此进行异常分析,并根据分析结果对可能的入侵行为进行实时报警,其中的异常检测算法可以替换。最后,针对一种基于统计的异常检测算法进行了实验,并给出异常检测结果。

关键词：网络安全异常检测测试平台情报收集器异常分析部件检测模型异常检测算法

来源：评论

学校读者我要写书评

暂无评论

基于物联网的动车用电管理及用电行为研究与实现

基于物联网的动车用电管理及用电行为研究与实现

引用

作者：许强电子科技大学

学位级别：硕士

铁路行业作为国家最为重要的一种交通运输基础,相应铁路部门的设备数量以及整个能耗数量都在指数性增加过程中。面对整个检修区域大量设备的耗电现状,如何避免传统人工记录用电量,如何进行有效的用电异常检测,如何安排合理的用电策略成... 详细信息

铁路行业作为国家最为重要的一种交通运输基础,相应铁路部门的设备数量以及整个能耗数量都在指数性增加过程中。面对整个检修区域大量设备的耗电现状,如何避免传统人工记录用电量,如何进行有效的用电异常检测,如何安排合理的用电策略成为了急需解决的问题。面对上述问题,实现自动化用电异常检测、提供良好的照明用电策略并开发物联网用电管理系统,从而提高整个铁路部门的经济运行水平,进行最大化的节能减排,是本文研究的主要内容。本文针对当前铁路部门能耗痛点,从异常用电数据检测和具体的用电优化策略方面进行研究工作,并为铁路部门开发物联网用电管理系统。主要工作如下:(1)对于铁路部门的用电,排除设备故障问题,人工的不合理用电安排经常会导致用电量超量的情况出现。针对大量的无标签数据,本文主要从无监督学习方法进行异常检测任务的研究,分别采用单类支持向量机(One Class-SVM)、孤立森林(Isolation Forest)、概率离群检测(Copula-Based Outlier Detection)算法进行研究实验。利用相关专家进行标注的异常数据集进行不同算法的优劣评估,最终采用已有数据集上效果最优的孤立森林算法进行异常数据的检测,异常检测的准确度达到了0.97。(2)针对现有的动车检修车间的用电设备,该部分将以照明设备为例,进行优化用电策略的研究实验。结合实验车间的现有用电设备情况,本文分别以遗传算法(Genetic Algorithm)、粒子群算法(Particle Swarm Otimization)为基础,改进了传统的遗传算法为实验车间的照明设备提供合理的照明策略。区别于传统单纯定量化的用电量推荐,本文提出的优化结果为每个照明设备在空间位置上提供了特定的照明方案。上述方法最终为动车部门提供了实际可用的自动化照明策略,利用提供的照明策略节省了56.03%的照明耗电,避免了多余的重复用电。(3)在上述研究的基础之上,为实验部门开发用电管理系统,并将异常检测算法和优化算法结合进入整个系统之中。为实验部门提供数据采集、数据分时分区统计查询、设备控制、异常检测、用电策略推荐等功能。通过本系统的开发,一方面解决了铁路部门传统采用的人工抄表统计问题,另一方面方便了铁路部门进行异常数据检测并针对性检修的工作,最终还提供了车辆进入列位后的智能照明用电策略的方案,利用系统提供的设备控制功能基本上实现了节能减排的目的。

关键词：系统开发照明优化策略遗传算法粒子群算法异常检测算法

来源：评论

学校读者我要写书评

暂无评论

基于互联网的公寓在线监测报警系统的设计与实现

基于互联网的公寓在线监测报警系统的设计与实现

引用

作者：芮阳阳哈尔滨工业大学

学位级别：硕士

城市化的不断发展使得人们居住和工作的地方越来越集中,公寓火灾由于发生的时间短、持续的周期长、造成的后果严重,成为了威胁和危害小区居民生命和财产安全的最主要安全事故,火灾发生后第一时间报警和疏散居民是减少损失的重要手段。... 详细信息

城市化的不断发展使得人们居住和工作的地方越来越集中,公寓火灾由于发生的时间短、持续的周期长、造成的后果严重,成为了威胁和危害小区居民生命和财产安全的最主要安全事故,火灾发生后第一时间报警和疏散居民是减少损失的重要手段。传统的火灾监测报警模式多采用有线数据传输和局域网数据传输,往往不能够在第一时间通知高层住户进行逃生,并存在成本高、报警不及时等问题。针对以上问题,本文提出一种基于互联网的监测报警系统,在线监测公寓内各单元房间的火灾点参数,当检测出火灾发生后,能够第一时间报警,并能够在第一时间通知所有居民逃生。本文根据国内平安城市项目的要求,完成了火灾在线监测报警系统数据采集和无线通信模块的硬件设计,数据在线展示和报警模块的软件设计。下位机数据采集模块通过驱动传感器,实现了室内的温度和烟雾浓度的检测功能;无线通信模块由单片机控制,实现了将数据无线传输到远程服务器的功能;上位机数据在线展示模块负责对下位机无线传输的数据进行在线页面显示,方便住户和管理人员随时查看公寓各单元房间的室内情况;数据报警模块通过异常检测算法筛选出异常房间点,并由Nagios监控软件实时监听和分析异常原因,在火灾发生的第一时间对公寓所有居民发送告警通知。本文主要阐述了在线监测报警系统的工作原理,介绍了下位机的温度采集模块和烟雾浓度检测模块的方案设计;上位机TCP服务端和Web实时数据展示界面的功能设计,采用GPRS技术作为上下位机的数据通信方案;Nagios监测报警服务的设计,研究和实现了用于检测火灾的异常检测算法。最后通过试验,对本系统的监测和报警功能进行了验证。本系统下位机产品直接采用GPRS网络进行数据传输,并不依赖特殊的网络,通过对低成本芯片,如STC89C52RC单片机的合理充分利用,使得成本较低,适合广泛安装在小区、公寓、公司等存在安全隐患的场合。

关键词：监测报警异常检测算法 GPRS Nagios 传感器

来源：评论

学校读者我要写书评

暂无评论

基于知识图谱的多智能体协同系统异常检测研究

基于知识图谱的多智能体协同系统异常检测研究

引用

作者：成斌大连理工大学

学位级别：硕士

随着智能化技术和网路化技术不断发展，物联网设备及相关技术已被应用于各行各业。其中，以低智能物联网设备为系统节点，通过节点间的协作机制实现复杂任务的多智能体协同系统在智能交通、仓储物流、智能制造等领域被广泛应用。节点间... 详细信息

随着智能化技术和网路化技术不断发展，物联网设备及相关技术已被应用于各行各业。其中，以低智能物联网设备为系统节点，通过节点间的协作机制实现复杂任务的多智能体协同系统在智能交通、仓储物流、智能制造等领域被广泛应用。节点间的数据交互是多智能体协同系统有效运行的基础和前提，系统中终端设备或节点设备一旦被网络劫持或入侵，容易引发数据注入、数据篡改等恶意操作，进而产生异常数据。相关研究表明，终端设备或节点设备产生的异常数据会在时间和空间两个维度上迅速扩散，进而危及整个系统。实时检测数据异常情况并对异常节点进行快速定位是解决上述问题的有效手段，已成为保障多智能体协同系统平稳运行的关键技术之一。本文参考业内相关描述，结合多智能体协同系统特点，将系统中可能出现的异常情况分为数据异常、伪异常与行为异常。针对上述异常数据特征，结合多智能体协同系统中数据固有的时序性、关联性等特点，本文建立了一个面向多智能体协同系统的知识图谱模型，从数据与行为两个层面对系统中节点进行描述，并基于该模型提出了一种新的异常检测算法。本文具体研究内容如下所示：　　（1）针对多智能体协同系统结构特点和数据特性进行分析，以“自顶向下”的方式建立了知识图谱模型，即KGMAS模型。通过定义节点数据模型与模式层规则，将异常检测工作转变为基于模式层规则对图谱数据层的规则检查。其中，模式层规则由协同策略生成，依对图谱元素约束粒度的不同分为点级、线级、图级三种约束。　　（2）针对伪异常数据对异常检测产生干扰的问题，提出了基于点级约束规则的数据异常检测算法，PRLAD 算法。该算法通过长短期记忆神经网络预测模型计算预测误差，利用多元高斯分布模型计算异常分数。PRLAD 算法基于点级约束规则和异常分数识别数据异常与伪异常，进而判断节点是否属于异常节点。本文通过仿真实验验证了伪异常数据对异常检测工作的影响，并对PRLAD算法的异常检测性能进行了测试与分析。　　（3）针对节点可能同时出现行为异常与数据异常的问题，提出了一种基于KGMAS模型的异常检测算法，即KGMAS-AD算法。该算法将节点与节点间关系组织成图谱数据层，通过对数据层的线级约束检查与图级约束检查，从行为层面判断图谱中节点是否存在异常。对线级约束检查与图级约束检查无法准确判断的节点，结合PRLAD算法的检测结果综合判断。本文通过仿真实验证明了行为异常难以通过数据层面的检测有效识别，进而证明了KGMAS-AD算法从数据与行为两个层面进行异常检测的有效性。

关键词：多智能体协同系统异常检测算法知识图谱

来源：评论

学校读者我要写书评

暂无评论

高效网络入侵检测系统的研究

高效网络入侵检测系统的研究

引用

作者：贾志平哈尔滨工业大学

学位级别：硕士

本文通过对入侵检测的历史、分类以及目前的研究现状进行详细的分析,总结了目前入侵检测领域的成就及不足,提出了在大流量网络环境下的入侵检测应当解决的问题.在总结归纳的过程中,我们还对IDS从不同的角度进行了分类.提出了基于统计的... 详细信息

本文通过对入侵检测的历史、分类以及目前的研究现状进行详细的分析,总结了目前入侵检测领域的成就及不足,提出了在大流量网络环境下的入侵检测应当解决的问题.在总结归纳的过程中,我们还对IDS从不同的角度进行了分类.提出了基于统计的双阶段SYN-Flooding检测算法TSDM.检测分两个阶段进行:首先是通过统计SYN-FIN(RST)报文,利用CUSUM突变检测算法进行异常发现;如果发现异常,随即进入受害者追踪定位阶段.在分析RIPPER算法的基础上提出了基于归纳学习的异常检测ENIDRLA,该算法是改进的RIPPER算法,主要针对RIPPER算法中一些低效的部分进行了改进,增加了预排序,使得整体效率有了很大提高.在前面的基础上我们设计了一个分布式入侵检测系统DIDS.

关键词：入侵检测规则学习信息融合 TSDM 异常检测算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：