| 基于動態時間跨度與聚類差異指數的用戶行為異常檢測算法 | |
| 所屬分類：技術論文 | |
| 上傳者：zhoubin333 | |
| 文檔大?。?span>760 K | |
| 標簽： 智能家居 聚類算法 聚類差異性指標 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹： 在保證實時性與模型的適應性的條件下對居家人士的行為進行分析，提出了一種基于動態時間跨度與聚類差異性指數的用戶行為異常實時檢測算法。該算法利用動態時間跨度與聚類差異性指數對實時數據流進行概念漂移檢測，在數據流發生概念漂移的情況下，利用局部離群因子（LOF）來檢測用戶發生行為異常的時間點。通過動態時間跨度對分類模型不斷更新，有效提升了模型的適用性。通過實驗驗證了該算法能夠在保證實時性的情況下正確檢測出概念漂移，并給出用戶行為發生異常的時間點。該研究成果為實現智能家居環境下用戶行為異常檢測提供了新思路，可為居家人士提供有效服務和安全保證。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2