导读:本文包含了单类异常检测论文开题报告文献综述及选题提纲参考文献，主要关键词:掘进机回转台,异常检测,支持向量数据描述,粒子群优化算法
单类异常检测论文文献综述
杨健健,唐至威,王晓林,王子瑞,吴淼[1]（2019）在《单类学习下基于VSAPSO-BP的掘进机异常检测方法》一文中研究指出针对掘进机回转台异常检测中故障数据缺失以及故障程度划分的问题,提出一种单类学习下基于VSAP-SO-BP的掘进机异常检测方法。使用支持向量数据描述(support vector data description,简称SVDD)方法对回转台健康数据进行单类学习,根据现场经验构造非健康样本数据集,以SVDD对非健康样本数据集的识别率为依据,把非健康样本数据分为故障临界数据与故障数据,提出变异自适应粒子群优化(variation self-adapting particleswarm optimization,简称VSAPSO)算法,构建VSAPSO-BP神经网络对健康、故障临界与故障3类数据进行检测,检测准确率为91.7%,与传统PSO-BP方法相比具有更高的准确性与稳定性。实验结果表明,采用单类学习下基于VSAPSO-BP的掘进机异常检测方法可以准确有效地检测掘进机回转台异常,具有较高的应用价值。(本文来源于《振动.测试与诊断》期刊2019年01期）
李超,蔡宇晴,贾凡,黄学臻[2]（2017）在《工业控制系统中基于单类支持向量机异常检测方法研究》一文中研究指出Modbus TCP/IP协议作为工业控制系统中常用的通信协议,存在其自身的脆弱性。文章主要研究了Modbus TCP/IP协议的异常检测方法,首先介绍了基于单类支持向量机的异常检测模型的实现过程,对单类支持向量机选择不同的滑动窗口长度和核函数进行测试,设计与传统支持向量机、标准RBF算法、BP神经网络、异常检测模型的对比实验,并对实验结果进行分析。还设计了与基于功能码序列的异常检测模型的对比实验,验证选取功能码和寄存器地址组合对作为特征的优越性。(本文来源于《微型机与应用》期刊2017年23期）
李楠[3]（2014）在《基于单类学习的异常检测方法及其重型装备状态识别应用》一文中研究指出状态监测和故障诊断对于维护并保障设备安全运行具有重要意义。目前,智能故障诊断系统大多需要基于已有类别标识的历史数据建立分类识别模型,但在工业实际生产过程中,尤其对于昂贵的重型装备而言,由于其高可靠性设计,故障数据较少,因此获取装备不同状态模式下的监测数据非常困难,常常存在缺乏性能数据和先验知识的问题,如正常样本数据不足、故障样本数据稀缺以及故障模式不完备等问题。针对上述问题,本文提出了基于单类学习的异常检测方法:利用单类正常数据样本完成对设备的异常状态检测,并随着生产过程中获取的数据,逐步建立完整的诊断系统。针对异常检测方法在设备状态监测和诊断中应用时面临的叁个关键问题:缺乏针对具体研究对象的特征选择技术;缺乏更为准确和鲁棒的异常检测模型;缺乏检测未知状态的在线诊断系统,深入研究了相应的解决方案和关键技术,开发了基于特征评估的异常检测算法、基于混合集成的异常检测模型以及基于进化学习的异常检测系统等关键技术,在此基础上,提出了基于单类进化学习的异常检测集成智能诊断系统的整体流程和实施策略,并以重型轧辊磨床为研究对象,在其关键部件的性能状态监测中进行了实际应用验证。主要研究工作包括:(1)针对如何在样本类别缺失下选择有效特征的问题,提出了基于支持向量数据描述(SVDD)的特征评估技术。在此基础上设计了基于特征评估的异常检测算法,并将该算法在轴承的状态检测中进行了试验验证,结果表明,特征评估技术能够选择出可有效区分不同状态的敏感特征,去除那些效果较差甚至影响准确率的不敏感特征,最终达到提高异常检测算法性能的目的。(2)针对如何提高单一的检测算法的准确性、稳定性和实用性问题,提出了基于混合集成的异常检测模型,构建了多种异常检测算法混合集成的检测模型,设计了相应II的混合算法和集成准则,提出了检测模型实施的基本流程,并将其在轴承的状态检测中进行了试验验证。结果表明:当用于检测的特征敏感性较差,单一的检测器性能偏低时,基于加权集成的混合检测模型的检测性能得到了很大的提升。(3)针对现有的诊断系统无法应对随着获得的数据和状态类别的增多,而面临的未知状态的检测问题,提出了基于进化学习的异常检测系统。设计了一种集成异常检测与有监督学习分类器的进化式智能诊断系统,即使在仅有正常工作状态的数据时,该系统仍可以通过自我进化学习,逐步建立起对未知状态的诊断能力。将解决单类分类问题的异常检测方法扩展到多类分类问题,并将该系统在轴承的状态检测中进行了试验验证。结果表明:该系统利用构建的单类检测器,可以实现对未知故障类别的异常检测以及自身的进化升级,并在需要时利用有监督式学习分类器的辅助仲裁功能,完成对多类故障的识别。(4)针对重型轧辊磨床关键部件的状态监测需求,设计了由现场监测级、远程服务级以及多方应用级组成的状态监测和诊断系统,同时对其关键部件设计了具体的监测方案并提出了异常检测集成诊断系统的实施策略。在实际应用中,在仅有正常状态数据的情况下,有效地检测出了由于磨床头尾架顶尖不对中而引起的顶尖滑动超差的异常情况。关键词:异常检测,支持向量数据描述,进化学习,故障诊断,重型装备,状态识别(本文来源于《上海交通大学》期刊2014-11-01）
夏伟,王琳娜,沈小青,邱斌,丁风海[4]（2012）在《基于单类支持向量机模型的频谱异常检测方法》一文中研究指出在无线电频谱监测应用中,要求能够及时发现观测频段内频谱图像的异常情况。提出了一种基于单类支持向量机(v-OCSVM)模型的频谱异常检测方法,通过实验检测和ROC曲线分析,表明v-OCSVM模型用于频谱异常检测是可行的。(本文来源于《微处理机》期刊2012年04期）
徐勇[5]（2008）在《单类异常网络入侵检测算法研究》一文中研究指出随着计算机网络互联技术的迅猛发展,如何确保网络信息的安全已经成为日益严峻的课题。在INTERNET飞速发展的同时,对安全系统的要求也与日俱增,其要求之一就是入侵检测系统。入侵检测技术作为一种主动防御技术,弥补了传统安全技术的不足。然而,目前入侵检测技术还不够成熟,国产IDS产品还多处于特征检测的初级阶段,在异常检测方面与国外还存在较大的差距,在混合检测领域基本还处于空白状态。本文以可以识别未知入侵的异常检测技术为对象,对系统的正常情况建模,主要进行单类异常网络入侵检测算法的研究。针对分布式拒绝服务攻击(DDOS网络攻击),给出了一种新的基于SSNFF(小波分析空间相关性选择正常流算法)的入侵检测模型。该模型利用SSNFF算法进行DDOS信号的提取,对提取的DDOS信号利用基于极大曲线长度阈值的去噪算法与阶跃点判定准则进行入侵发生点的检测,并对实际采集到的网络流量和仿真攻击流量的混合流进行仿真验证,实验结果验证了设计思想的正确性。分析了传统SVDD(支持向量机数据描述)算法中的不足,构建了基于SVDD和聚类算法相结合的入侵检测模型。该模型首先利用K均值算法对正常样本数据进行分类,然后利用SVDD数据表达能力对聚类密集的数据集合进行描述,最后利用形成的多个判决函数对样本进行判别,并利用U矩阵值作为聚类密集度的判定条件,形成了一个聚类算法和SVDD相结合的单类异常网络入侵检测模型,克服了入侵检测系统中非正常网络数据不好收集的不足。仿真分析与实验结果验证了该算法的性能。(本文来源于《哈尔滨工程大学》期刊2008-12-01）
潘志松,倪桂强,谭琳,胡谷雨[6]（2006）在《异常检测中单类分类算法和免疫框架设计》一文中研究指出基于主机系统执行迹的异常检测系统可以检测类似U2R和R2L这两类攻击。由于攻击数据难以获取,往往只能得到正常的系统调用执行迹数据。该文设计了基于自组织特征映射的单类分类器的异常检测模型,只利用正常数据建立分类器,所有偏离正常模式的活动都被认为是入侵。通过对主机系统执行迹数据集的测试,试验获得了对异常样本接近100%的检测率,而误报警率为4.9%。该文将单类分类器作为抗体检测器,运用人工免疫学原理建立了分布式的异常检测框架,使入侵检测系统具有分布式、自组织和高效的特性,为建立分布式的入侵检测提出一种新的思路。(本文来源于《南京理工大学学报(自然科学版)》期刊2006年01期）
单类异常检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
Modbus TCP/IP协议作为工业控制系统中常用的通信协议,存在其自身的脆弱性。文章主要研究了Modbus TCP/IP协议的异常检测方法,首先介绍了基于单类支持向量机的异常检测模型的实现过程,对单类支持向量机选择不同的滑动窗口长度和核函数进行测试,设计与传统支持向量机、标准RBF算法、BP神经网络、异常检测模型的对比实验,并对实验结果进行分析。还设计了与基于功能码序列的异常检测模型的对比实验,验证选取功能码和寄存器地址组合对作为特征的优越性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
单类异常检测论文参考文献
[1].杨健健,唐至威,王晓林,王子瑞,吴淼.单类学习下基于VSAPSO-BP的掘进机异常检测方法[J].振动.测试与诊断.2019
[2].李超,蔡宇晴,贾凡,黄学臻.工业控制系统中基于单类支持向量机异常检测方法研究[J].微型机与应用.2017
[3].李楠.基于单类学习的异常检测方法及其重型装备状态识别应用[D].上海交通大学.2014
[4].夏伟,王琳娜,沈小青,邱斌,丁风海.基于单类支持向量机模型的频谱异常检测方法[J].微处理机.2012
[5].徐勇.单类异常网络入侵检测算法研究[D].哈尔滨工程大学.2008
[6].潘志松,倪桂强,谭琳,胡谷雨.异常检测中单类分类算法和免疫框架设计[J].南京理工大学学报(自然科学版).2006