基于三支決策的海量數(shù)據(jù)分類方法研究及其在視頻異常檢測中的應(yīng)用

《基于三支決策的海量數(shù)據(jù)分類方法研究及其在視頻異常檢測中的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、■．＇－，＇－心‘＾’＇二Ｖ＾芽Ｖ．於，裝＼＼Ｖ：、；：、。．．．．，．產(chǎn)Ｖ護(hù)‘、３：巧，棘丫氣參礎(chǔ)於－Ｖ；作耗．＂’’、、‘一二■記／？、七務(wù)－，？Ｃ５名分．産＾茸巧拉，？’．．／ｌ弟如私垂蓋＂冷ｉ乂《謙襲－Ｖ研究生畢業(yè)論文據(jù)；媒難；’＂嚇再／（申請碩壬學(xué)位）、＃聲＼，技薦？?！?、．又．．．．ｒ。．，、＃言文－－’‘＇’－；方、＇、＇＇？片嗦＇－；公今＇：．．，．?。墸觯蓿崳姟蕖壵撐念}達(dá)基于王支決策的海量數(shù)據(jù)分類方法研究＊＞＇、＜、？＂＜？？‘？：＊＾ｙ．’、蔡與

2、及其在視頻異常檢測中的應(yīng)用＿—：啼＾；坤姓名李萍，：／；金；，系章奇：計(jì)算機(jī)科學(xué)＇－學(xué)備、專業(yè)與技術(shù)ｙ＇－＇．；：ｒ方向數(shù)據(jù)挖掘少Ｕ／：研究￣＇’．’：－．？’．Ｖ＇＾，［之公、＇商琳副教授指導(dǎo)教師￣￣＂￣￣＾？－？．Ｖ，＇二．、、＇、．＇．一－－＇．Ｔ乂．＇．矣，Ｖ＇＾繞唉－．．．．．．－．…吁滬．作品．若ｒ．．．’總巧扛滿．‘‘苗．．．，／＾早打安．餐鄭乂為、、：‘山Ｉ２０１６年５２０曰＇月．一％，滿．．，、．’’知ｖ；－４乂心＾Ｖｖ＾折＞…氣

3、：令＼、．＇、；？巧人祭巧；；勝ｈ．祭，乂祀三托？？？．－堿．＞巧作；：ｆ護(hù)纖ｉ；Ｊ游ｒ?qū)W號(hào)：ＭＧ１３３３０２７論文答辯日期；２０１６年５月３０日指導(dǎo)教師：４（簽字）Ｔｈｒｅｅ－ＷａＤｅｃｉｓｉｏｎｂａｓｅｄＬａｒｅＤａｔａｙｇＣｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｔｈｅＡｐｐｌｉｃａｔｉｏｎｉｎＶｉｄｅｏＡｎｏｍａｌＤｅｔｅｃｔｉｏｎｙｂｙＰｉｎｇＬｉＤｉｒｅｃｔ：ｅｄｂｙＡｓｓｏｃｉａｔｅＰｒｏｆｅｓｓｏｒＬｉｎＳｈａｎｇＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｉｌｅｒＳ

4、ｃｉｅ打ｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＡｒｉｌ２０１６ｐＳｕｂｍｉｔｔｅｄｉｎａｒｔｉａｌｕｌｌｍｅｎｔｏｆｔｈｅｒｅｕｉｒｅｍｅｎｔｓｐｆｆｉｑｆｏｒｔｈｅｄｅｇｒｅｅｏｆＭａ巧ｅｒｉｎＣｏｍｕｔｅｒＴｅｃｈｎｏｌｏｉｎＣｏｍｐｕ化ｒＴｅｃｈｎｏｌｏｐｇｙｇｙ南京大學(xué)研究生畢業(yè)論文中文摘要首頁用紙畢業(yè)論文題目：基于互支決策的海量數(shù)據(jù)分類方法研究及其在視頻異常檢測中的應(yīng)用計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)２０１３級(jí)碩去生姓名：李萍指導(dǎo)教師（姓名、職稱）：商琳副教授摘要數(shù)據(jù)挖掘技術(shù)幫助人們從眾

5、多含有噪音的數(shù)據(jù)里挖掘出對人們存在價(jià)值的信息，因此。然而由于數(shù)據(jù)集具有噪聲和冗余性包含的數(shù)據(jù)信息Ｗ及涉及的概念本身存在著不確定性和不精確性。粗糖集理論（ＲｏｕｇｈＳｅｔｓ）是用來解決不確定性問題的有力工具之一一。它的核也問題之就是對屬性約簡算法的研究。傳統(tǒng)的屬性約簡算法并不適用于大規(guī)模數(shù)據(jù)處理，因此如何將傳統(tǒng)屬性約簡算法應(yīng)一個(gè)值得研究的問題用于海量數(shù)據(jù)成為。相比于Ｗａｄｏｗ，是性能更加優(yōu)越的開源云計(jì)算框架，目前己經(jīng)被廣泛采納。本文將基于該平臺(tái)來處理海量數(shù)據(jù)。基于決策粗挺集理論通過引入邊界域能有效地解決因?yàn)樾畔⒉蛔銕淼臎Q一策錯(cuò)誤率

6、，符合人們在實(shí)際生活中的決策過程。目前對邊界域般是用戶自斤處理。當(dāng)產(chǎn)生較大的邊界域時(shí)，需要花費(fèi)用戶許多的時(shí)間。因此如何盡可能地一減少邊界域，同時(shí)保證算法的分類準(zhǔn)確率成為個(gè)值得探討的問題。與傳統(tǒng)屬一，性約簡算法樣，Ｈ支決策算法也面臨在處理海量數(shù)據(jù)時(shí)效率不高的問題因此如何將Ｈ支決策算法應(yīng)用于海量數(shù)據(jù)分類也是我們關(guān)注的問題。Ｈ支決策算法作為代價(jià)敏感分類算法可Ｗ應(yīng)用于此類問題中。視頻異常檢測由于將異常行為分類為正常所花的代價(jià)要比將正常行為分類為異常的代價(jià)大，一同時(shí)正常行為與異常行為存在嚴(yán)重不平衡，因此視頻異常檢測既是個(gè)代價(jià)敏一感分類問題，又是個(gè)

7、不平衡分類問題，如何將Ｈ支決策算法應(yīng)用于視頻異常一檢測也是個(gè)值得探討的問題。，同時(shí)提出了改進(jìn)方案本文分別針對上述的幾個(gè)問題進(jìn)行了深入研究，主要的工作如下：．在王支決策分類預(yù)處理方法研究中，提出了基于Ｓｐａｒｋ的快速并行粗糖，集屬性約簡方法，該方法對傳統(tǒng)屬性約簡算法化進(jìn)行了并行化并在Ｓｐａｒｋ上給予了實(shí)現(xiàn)。通過實(shí)驗(yàn)結(jié)果表明，并行化之后的算法能有效降低傳統(tǒng)算法的運(yùn)行時(shí)間。１？分析Ｈ支決策算法中邊界域產(chǎn)生過大的原因，從而基于ＴＶ如ａｍ?。厩傻乃枷耄崳姟唬崳妼υ戎Q策算法；ＴＷＯ進(jìn)行改進(jìn)，提出了個(gè)集成分類器７Ｖ／ｗ