| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·数据挖掘概述 | 第9-10页 |
| ·数据挖掘的相关领域及应用 | 第10-11页 |
| ·数据挖掘的相关领域 | 第10-11页 |
| ·数据挖掘的应用 | 第11页 |
| ·数据挖掘的任务 | 第11-13页 |
| ·数据约简 | 第11-12页 |
| ·分类和预测 | 第12页 |
| ·聚类 | 第12-13页 |
| ·关联规则分析 | 第13页 |
| ·离群点挖掘 | 第13页 |
| ·论文的研究内容与组织结构 | 第13-15页 |
| ·论文的研究内容 | 第13页 |
| ·论文组织 | 第13-15页 |
| 第二章 离群数据挖掘与并行计算 | 第15-25页 |
| ·引言 | 第15页 |
| ·离群数据挖掘方法 | 第15-17页 |
| ·基于统计的离群检测方法 | 第15-16页 |
| ·基于深度的离群检测方法 | 第16页 |
| ·基于距离的离群检测方法 | 第16页 |
| ·基于密度的离群检测方法 | 第16-17页 |
| ·基于聚类的离群检测方法 | 第17页 |
| ·离群数据挖掘的研究热点 | 第17-18页 |
| ·属性相关性分析与 Gini 指标 | 第18-20页 |
| ·并行数据挖掘的相关技术 | 第20-23页 |
| ·并行数据挖掘的研究现状 | 第20页 |
| ·并行计算 | 第20-21页 |
| ·并行计算的划分方法 | 第21页 |
| ·并行策略 | 第21-22页 |
| ·并行算法的性能评价 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 一种基于属性相关性和基尼指标的高维离群数据挖掘方法 | 第25-31页 |
| ·引言 | 第25-26页 |
| ·高维离群点 | 第26-27页 |
| ·算法描述 | 第27-28页 |
| ·实验分析 | 第28-30页 |
| ·小结 | 第30-31页 |
| 第四章 一种基于属性相关性和基尼指标的并行离群数据挖掘算法 | 第31-39页 |
| ·引言 | 第31-32页 |
| ·离群数据挖掘算法并行性分析 | 第32页 |
| ·基于 MapReduce 模型的并行计算原理 | 第32-35页 |
| ·HDFS 的工作原理 | 第33页 |
| ·Map/Reduce 分布式计算框架 | 第33-35页 |
| ·基于属性相关性和基尼指标的并行离群挖掘算法 | 第35页 |
| ·并行算法的设计与实现 | 第35-37页 |
| ·实验与结果分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 总结与展望 | 第39-41页 |
| ·总结 | 第39页 |
| ·展望 | 第39-41页 |
| 参考文献 | 第41-45页 |
| 攻读学位期间所发表的论文和科研项目 | 第45-47页 |
| 个人简介与联系方式 | 第47-48页 |