数据异常的监测技术综述

发布时间：2019-10-04 05:18

【摘要】：在目前大数据的环境下,相对于正常数据,异常类数据更难获取,也显得更加重要。异常检测的目的是检测出异于正常主体的活动数据。异常检测适用于机器故障诊断、数据挖掘以及疾病和入侵检测等多个领域。基于目前大量的异常检测方法,主要从异常类数据的有无来阐述,根据这个框架将主要的异常检测方法进行了分类,并评价了这些方法的优劣;最后重点讨论了基于深度学习的大数据异常检测方法,并分别介绍了不同的方法及相关的应用和未来的研究热点。
【作者单位】： 西南交通大学电气工程学院;
【分类号】：TP18;TP311.13

【相似文献】

相关期刊论文 前10条

1 周绪川;蔡利平;;基于局部异常因子的无监督学习集成异常检测[J];西南民族大学学报(自然科学版);2012年03期

2 冯文刚;高隽;Bill P.Buckles;吴克伟;;无监督学习的无线胶囊内诊镜视频分类方法[J];中国图象图形学报;2011年11期

3 贾真;何大可;尹红风;李天瑞;;基于无监督学习的部分-整体关系获取[J];西南交通大学学报;2014年04期

4 张跃,谭咏梅,姚天顺;英汉机译中一种基于无监督学习的词类消歧策略[J];小型微型计算机系统;2000年08期

5 修驰;宋柔;;基于无监督学习的专业领域分词歧义消解方法[J];计算机应用;2013年03期

6 袭著有;;基于无监督学习的SIFT鲁棒图像匹配算法[J];机械与电子;2014年03期

7 张开旭;周昌乐;;基于自动编码器的中文词汇特征无监督学习[J];中文信息学报;2013年05期

8 史庆伟;李艳妮;郭朋亮;;科技文献中作者研究兴趣动态发现[J];计算机应用;2013年11期

9 程小平;邱玉辉;;基于强化学习的LVQ聚类方法[J];计算机科学;2002年12期

10 黎锦雷;黄春莎;;一体化数据信息分析反馈[J];气象研究与应用;2013年04期

相关硕士学位论文 前4条

1 赵福青;无监督学习的产品评论微摘要技术研究[D];宁波大学;2015年

2 李斯凡;基于无监督学习技术的位置大数据分析[D];浙江理工大学;2017年

3 韩倩;基于无监督学习的EIT图像重建方法研究[D];天津工业大学;2017年

4 胡莹;Argo剖面浮标数据异常检测方法研究[D];桂林电子科技大学;2016年

，

本文编号：2545767