基于邻域关系的离群数据挖掘算法研究硕士论文精品.docVIP

分类号： 密级： U D C ： 学号：406107711107 昌 大 学 硕 士 研 究 生 位 论 文 基于邻域关系的离群数据挖掘算法研究 Research on Outlier Mining Algorithms Based on Neighborhood Relation 郑思维 培养单位（院、系）：信息工程学院 指导教师姓名、职称：李向军 教授 申请学位的学科门类：工学 学科专业名称：计算机应用技术 论文答辩日期：2014 年 5 月 29 日 答辩委员会主席： 评阅人： 2014 年 月 日  学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成 果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得南昌大学或其他教育机构的学位或证书而使用过 的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并 表示谢意。 学位论文作者签名（手写）： 签字日期： 年 月 日 本学位论文作者完全了解南昌大学有关保留、使用学位论文的规定，同意学校有权 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权南昌大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用 影印、缩印或扫描等复制手段保存、汇编本学位论文。同时授权北京万方数据股份有限 公司和中国学术期刊（光盘版）电子杂志社将本学位论文收录到《中国学位论文全文数 据库》和《中国优秀博硕士学位论文全文数据库》中全文发表，并通过网络向社会公众 提供信息服务，同意按“章程”规定享受相关权益。 学位论文作者签名（手写）： 导师签名（手写）： 签字日期： 年 月 日 签字日期： 年 月 日 论文题目 基于邻域关系的离群数据挖掘算法研究 姓 名 郑思维 学号 406107711107 论文级别 博士□ 硕士√□ 院 / 系 / 所 信息工程学院 专业 计算机应用技术 联系电话 E_mail miffyweiwei@ 通信地址(邮编)：南昌大学信息工程学院（330031） 备注： □公开 □保密（向校学位办申请获批准为“保密”， 年 月后公开） √ I  摘要 要 随着计算机网络技术的不断发展，网络安全问题日益突出。单一传统 的静态网络安全技术如防火墙、数字加密策略等往往无法满足用户需求。 网络异常检测，作为一种重要的动态网络安全防御技术，越来越受到研究 者与网络用户的关注，目前已成为网络入侵检测领域重要研究方向之一。 当前已有的网络异常检测方法普遍存在着误测率较高、检测精度不够等问 题，为解决这些问题，本文以粒计算邻域模型为基础，重点研究基于邻域 关系的离群数据挖掘方法及其在网络异常检测中的拓展。主要开展了以下 研究工作： 1．提 出 了 基 于 邻 域 关 系 的 离 群 检 测 算 法 NROD(Neighborhood Relation-Based Outlier Detection)。该算法定义了邻域划分，形成邻域粒子， 并通过相对邻域熵(Relative Neighborhood Entropy)的概念来确定各个对象 的异常程度，利用了其度量数据对象之间不确定性的优势，准确、有效地 挖掘异常数据对象。 2．将 NROD 算法研究相关的相对邻域熵概念引入直推信度机 TCM (Transductive confidence machines)算法框架中，利用相对邻域信息熵作为度 量数据对象异常程度的新工具，重新定义了算法中的离群度(Strangeness)， 提出了一种基于相对邻域熵的网络异常检测算法 TCM-RNE (Transductive confidence machines for Relative Neighborhood Entropy)。 3．针对所提出的 NROD 算法和 TCM-RNE 算法，分别在 UCI 数据集 和 KDD Cup 1999 数据集上进行了实验验证和分析。实验表明，NROD 算 法相比传统离群检测算法，在处理混合数据类型以及连续性数据类型的离 群数据挖掘任务时，误测率更低，检测准确率更优，算法有效可行。另一 方面，相比李洋等提出的改进 TCM-KNN(K-neares