計(jì)算機(jī)專業(yè)畢業(yè)設(shè)計(jì)_第1頁
計(jì)算機(jī)專業(yè)畢業(yè)設(shè)計(jì)_第2頁
計(jì)算機(jī)專業(yè)畢業(yè)設(shè)計(jì)_第3頁
計(jì)算機(jī)專業(yè)畢業(yè)設(shè)計(jì)_第4頁
計(jì)算機(jī)專業(yè)畢業(yè)設(shè)計(jì)_第5頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、本文格式為Word版,下載可任意編輯 計(jì)算機(jī)專業(yè)畢業(yè)設(shè)計(jì) 計(jì)算機(jī)學(xué)院畢業(yè)論文 本科畢業(yè)設(shè)計(jì)(論文)BP神經(jīng)網(wǎng)絡(luò)的異常點(diǎn)檢測應(yīng)用可行性研究 學(xué)院計(jì)算機(jī)學(xué)院 專業(yè)軟件工程 年級(jí)班別 2022級(jí)(4)班 學(xué)號(hào) 3106007039 學(xué)生姓名蔡?hào)|赟 指導(dǎo)教師王麗娟 2022年 5 月 II III 摘要 異常點(diǎn)數(shù)據(jù)是指數(shù)據(jù)集中與眾不同數(shù)據(jù)。這部分?jǐn)?shù)據(jù)的量小,但是對(duì)于我們的日常生產(chǎn)生活的影響極大。因此,異常點(diǎn)檢測被廣泛應(yīng)用于網(wǎng)絡(luò)入侵檢測,金融保險(xiǎn),天氣預(yù)報(bào)以及新藥研制等領(lǐng)域。相對(duì)于大量的正常數(shù)據(jù)挖掘而言,異常點(diǎn)檢測被稱作小模式數(shù)據(jù)挖掘。BP算法是一種常用的數(shù)據(jù)挖掘算法。但是BP算法進(jìn)行實(shí)際數(shù)據(jù)的異常點(diǎn)數(shù)

2、據(jù)挖掘過程中存在:實(shí)際數(shù)據(jù)的維數(shù)較高,存在冗余特征的干擾,以及在高維特征下,數(shù)據(jù)量不充分的問題。因此,本文分析BP神經(jīng)網(wǎng)絡(luò)處理各種數(shù)據(jù)的狀況,并得到以下結(jié)果。(1)BP神經(jīng)網(wǎng)絡(luò)能夠較好的分開特征單一的仿真數(shù)據(jù);但是(2)特征相像性較大的數(shù)據(jù)集,難以分開判斷;(3)正常數(shù)據(jù)不充分或者不具有代表性,因此正常數(shù)據(jù)類學(xué)習(xí)不充分,從而導(dǎo)致異常無法判斷。針對(duì)以上問題,本文提出了以下的提升措施:(1)BP算法前進(jìn)行特征約簡(映射)從中選取有益于異常檢測的特征(2)多神經(jīng)網(wǎng)絡(luò)融合,不同神經(jīng)網(wǎng)絡(luò)識(shí)別不同的特征,相互取長補(bǔ)短,融合后得到最終的結(jié)果。 關(guān)鍵字:異常,BP,異常點(diǎn)檢測,神經(jīng)網(wǎng)絡(luò) 注:本設(shè)計(jì)(論文)題目

3、來源于教師的國家級(jí)(或部級(jí)、省級(jí)、廳級(jí)、市級(jí)、校級(jí)、企業(yè))科研工程,工程編號(hào)為:。 IV V Abstract Outlier data is the data set different data. This part of the small amount of data, but for our daily production and life of great. Therefore, the anomaly detection is widely used in network intrusion detection, finance, insurance, weather, and

4、 new drug development and other fields. Relative to the large number of normal data mining, the anomaly detection model is called data mining small. BP algorithm is a commonly used data mining algorithm. But the BP algorithm to real data outliers exist in the data mining process: the higher the dime

5、nsion of the actual data, there are redundant features of the interference, and high-dimensional feature, the issue of inadequate data. Therefore, this paper analyzes a variety of BP neural network processing of data, and to get the following results. (1) BP neural network can better separation char

6、acteristics of a single simulation data; but (2) the characteristics of similar large data sets, separation is difficult to judge; (3) normal data is not sufficient or not representative, so the normal data class learning is not sufficient, leading to abnormal can not judge. To solve the above probl

7、em, this paper proposes the following improvements: (1) BP algorithm before feature reduction (map) benefit from anomaly detection features selected (2) integration of multiple neural networks, different neural network to recognize the different characteristics of each each other, the final fusion r

8、esult. Key Words:Outliers-Data,BP,Algorithms,Neural Networks VI VII 目錄 1引言 (1) 1.1背景 (1) 1.2傳統(tǒng)已有異常點(diǎn)算法介紹 (1) 1.2.1基于統(tǒng)計(jì)學(xué)的異常點(diǎn)檢測算法 (1) 1.2.2基于距離的異常點(diǎn)檢測算法 (2) 1.2.3基于密度的算法 (3) 1.2.4基于偏差的異常點(diǎn)檢測 (5) 1.2.5基于聚類的異常點(diǎn)檢測算法 (6) 2基于屬性特征在異常點(diǎn)檢測中的研究 (7) 3 BP神經(jīng)網(wǎng)絡(luò)介紹 (9) 3.1模型簡介 (9) 3.2計(jì)算各層節(jié)點(diǎn)輸出 (9) 3.3 修正權(quán)值 (10) 4 異常檢測中BP

9、神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì) (13) 4.1可微閾值單元 (13) 4.2單個(gè)BP網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì) (13) 4.3BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程的基本步驟 (14) 5試驗(yàn)研究 (17) 5.1研究使用的數(shù)據(jù)庫介紹 (17) 5.2訓(xùn)練方案一試驗(yàn):把bp神經(jīng)網(wǎng)絡(luò)相像性代替距離算法相像度量 (17) 5.3訓(xùn)練方案二試驗(yàn):用單個(gè)神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練數(shù)據(jù)庫整體特性進(jìn)行學(xué)習(xí) (18) 5.4訓(xùn)練方案三試驗(yàn):多神經(jīng)網(wǎng)絡(luò)各種形式訓(xùn)練及其決策 (19) 5.4.1試驗(yàn)設(shè)計(jì)思路 (19) 5.4.2試驗(yàn)方案及步驟 (20) 5.4.3試驗(yàn)分析 (22) 5.4.4試驗(yàn)失敗理由分析 (23) 5.5BP調(diào)參試驗(yàn) (25) 5.5.1對(duì)試驗(yàn)一調(diào)整隱層試驗(yàn) (25) 5.5.2對(duì)試驗(yàn)二調(diào)整隱層試驗(yàn)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論