基于数据流的异常检测技术及应用的研究

《基于数据流的异常检测技术及应用的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华北电力大学（保定）硕士学位论文基于数据流的异常检测技术及应用的研究姓名：吕云洁申请学位级别：硕士专业：通信与信息系统指导教师：孔英会20081216华北电力大学硕士学位论文摘要摘要近年来，数据流异常检测技术由于其在风险分析、网络监测、趋势分析等领域广阔的应用前景而受到了越来越多的关注。本文主要对数据流异常检测技术进行研究，确立了合理的异常检测模型，利用滑动窗口技术和移动小波树异常检测算法进行异常检测。并针对移动小波树数据流异常检测算法的不足，提出了改进算法：利用比例阈值，提高了检测精度；利用二分检测技术，降低了响应时间；结合实时的增量更新技术，

2、更好的满足了实时性的要求：改进阈值的设定方法，降低了误报率。利用改进的算法结合7射线和电能质量扰动数据进行仿真实验，对检测结果进行了全面的分析评价，与原移动小波树算法和误差树异常检测算法进行比较，验证了该算法的有效性。关键词：数据流，异常检测，移动小波树，比例阈值，二分检测，实时更新，阈值设定ABSTRACTRecentyears，thetechnologyofanomalydetectionindatastreamshasbeenattractingmoreandmoreattentionduetoitsbroadpotentialapplic

3、ationsinVentureanalysis，networkmonitoring，trendanalysisandsoon．Thetechnologyhasbeenstudied，觚dtherationalmodelofanomalydetectionhaSbeenestablishedusingthetechnologyofslidingwindowa11dthe觚omalydetectionalgorithmofshiRedwaVelettree(SWT)．AimingatthelimitationofthealgorithmofSWT，a

4、nimproVedalgorithmwasproposed：ratiot11resholdwasusedtoenhancetheaccuraCyofdetection；thebinar)，detectionwaSusedtoreduceresponsetime；theaIgorithmofreal-timeincrementalupdatewasusedtomeettheonlineprocessing；theimproVedalgorithmofsettingthresholdw嬲usedtoreducethemisreportrate．Ano

5、malydetectionsimulationwasimplementedonGammaRaydataandPowerQualityDisturbancedatausingtheimproVedalgorithm，theresultshaVebeenanalyzedandappraisedcompletely，andacomparisonwiththealgorithmofSWTanderrortreehasbeenmadetoshowtheef-fectiVenessoftheproposedalgorithm．LVYhn-jie(commun

6、icationandinformationsystem)Directedbyassociateprof．KongYing-huiKEYWoRDS：datastreams，anomalydetection，shiftedwaVelettree，ratiothreshold，binarydetection，reaI-timeupdate，threshoIdset“ng华北电力大学硕士学位论文摘要摘要近年来，数据流异常检测技术由于其在风险分析、网络监测、趋势分析等领域广阔的应用前景而受到了越来越多的关注。本文主要对数据流异常检测技术进行研究，确立了合理

7、的异常检测模型，利用滑动窗口技术和移动小波树异常检测算法进行异常检测。并针对移动小波树数据流异常检测算法的不足，提出了改进算法：利用比例阈值，提高了检测精度；利用二分检测技术，降低了响应时间；结合实时的增量更新技术，更好的满足了实时性的要求：改进阈值的设定方法，降低了误报率。利用改进的算法结合7射线和电能质量扰动数据进行仿真实验，对检测结果进行了全面的分析评价，与原移动小波树算法和误差树异常检测算法进行比较，验证了该算法的有效性。关键词：数据流，异常检测，移动小波树，比例阈值，二分检测，实时更新，阈值设定ABSTRACTRecentyears，t

8、hetechnologyofanomalydetectionindatastreamshasbeenattractingmoreandm