| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 研究内容和思路 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 相关研究 | 第14-25页 |
| 2.1 不确定数据 | 第14-18页 |
| 2.1.1 不确定数据的应用 | 第14-15页 |
| 2.1.2 不确定数据的产生原因 | 第15页 |
| 2.1.3 不确定数据的分类 | 第15-17页 |
| 2.1.4 不确定数据模型 | 第17-18页 |
| 2.2 离群点检测技术 | 第18-24页 |
| 2.2.1 基于统计的离群点检测 | 第18-19页 |
| 2.2.2 基于偏差的离群点检测 | 第19-20页 |
| 2.2.3 基于聚类的离群点检测 | 第20-21页 |
| 2.2.4 基于深度的离群点检测 | 第21页 |
| 2.2.5 基于距离的离群点检测 | 第21-22页 |
| 2.2.6 基于密度的离群点检测 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 基于密度的不确定数据离群点检测算法 | 第25-41页 |
| 3.1 不确定数据对象的可能世界模型 | 第25-28页 |
| 3.2 不确定数据对象的局部离群因子定义 | 第28-30页 |
| 3.3 不确定数据对象的UTop-k查询 | 第30-33页 |
| 3.4 不确定数据离群点检测算法设计 | 第33-35页 |
| 3.5 算法的实例分析 | 第35-38页 |
| 3.6 算法分析 | 第38-40页 |
| 3.6.1 算法性能分析 | 第38-39页 |
| 3.6.2 算法复杂度分析 | 第39-40页 |
| 3.7 本章小结 | 第40-41页 |
| 4 基于密度的不确定数据离群点检测算法优化 | 第41-51页 |
| 4.1 基于网格的剪枝策略 | 第41-45页 |
| 4.1.1 考虑网格内对象概率 | 第41-42页 |
| 4.1.2 考虑网格内对象个数 | 第42-45页 |
| 4.2 k邻域（k nearest-neighbor）查询优化 | 第45-48页 |
| 4.3 算法介绍与分析 | 第48-50页 |
| 4.3.1 算法描述 | 第48-50页 |
| 4.3.2 算法分析 | 第50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 基于密度的不确定数据离群点检测实验结果分析 | 第51-60页 |
| 5.1 算法的效率 | 第51-52页 |
| 5.2 算法的精确度 | 第52-54页 |
| 5.3 优化策略有效性评估 | 第54-56页 |
| 5.4 真实数据实验分析 | 第56-58页 |
| 5.5 本章小结 | 第58-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66页 |
| A. 攻读硕士期间发表的论文 | 第66页 |
| B. 参与省委项目 | 第66页 |