| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 特征选择算法研究现状 | 第10页 |
| 1.2.2 不确定数据离群点检测算法研究现状 | 第10-11页 |
| 1.2.3 研究现状小结 | 第11-12页 |
| 1.3 本文的研究工作 | 第12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 相关理论 | 第14-20页 |
| 2.1 特征选择 | 第14-17页 |
| 2.1.1 特征选择概述 | 第14-15页 |
| 2.1.2 特征选择的分类 | 第15-17页 |
| 2.2 不确定数据离群点检测 | 第17-19页 |
| 2.2.1 不确定数据的产生原因 | 第17页 |
| 2.2.2 不确定数据模型 | 第17-18页 |
| 2.2.3 不确定数据的离群点检测方法 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 基于SVM-RFE和相关信息熵的特征选择方法 | 第20-29页 |
| 3.1 基于支持向量机的递归特征消除算法 | 第20-22页 |
| 3.2 相关信息熵 | 第22-23页 |
| 3.3 基于SVM-RFE和相关信息熵的特征选择方法 | 第23-25页 |
| 3.4 实验与结果分析 | 第25-27页 |
| 3.5 本章小结 | 第27-29页 |
| 第四章 基于IsolationForest和LOF的不确定数据离群点检测算法 | 第29-37页 |
| 4.1 IsolationForest | 第29-30页 |
| 4.2 不确定数据的局部离群因子 | 第30-31页 |
| 4.3 基于IsolationForest和LOF的离群点检测算法 | 第31-34页 |
| 4.3.1 改进的IsolationForest算法 | 第32-33页 |
| 4.3.2 改进的LOF算法 | 第33-34页 |
| 4.4 实验与分析 | 第34-36页 |
| 4.4.1 实验设置 | 第34页 |
| 4.4.2 实验结果与分析 | 第34-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第五章 离群点检测在网络取证系统中的应用 | 第37-42页 |
| 5.1 系统设计原理 | 第37页 |
| 5.2 系统的设计 | 第37-38页 |
| 5.3 系统功能界面展示 | 第38-41页 |
| 5.3.1 客户端 | 第38-39页 |
| 5.3.2 服务器端预处理与异常检测 | 第39-41页 |
| 5.4 本章小结 | 第41-42页 |
| 第六章 总结与展望 | 第42-44页 |
| 6.1 论文总结 | 第42页 |
| 6.2 工作展望 | 第42-44页 |
| 参考文献 | 第44-47页 |
| 攻读硕士期间发表论文及科研成果 | 第47-48页 |
| 致谢 | 第48页 |
