| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文主要研究内容 | 第11-12页 |
| ·论文组织结构 | 第12页 |
| ·本章小结 | 第12-13页 |
| 2 离群点挖掘和集成学习概述 | 第13-28页 |
| ·离群点挖掘概述 | 第13-15页 |
| ·离群点产生的原因 | 第13-14页 |
| ·离群点的定义 | 第14页 |
| ·离群点挖掘的应用 | 第14-15页 |
| ·离群点检测算法介绍 | 第15-22页 |
| ·基于统计的离群点检测算法 | 第15-16页 |
| ·基于距离的离群点检测算法 | 第16-17页 |
| ·基于偏差的离群点检测算法 | 第17-18页 |
| ·基于分类的离群点检测算法 | 第18-20页 |
| ·基于聚类的离群点检测算法 | 第20-22页 |
| ·集成学习概述 | 第22-28页 |
| ·集成学习概念 | 第22-23页 |
| ·集成学习有效的原因 | 第23-24页 |
| ·集成学习方法介绍 | 第24-26页 |
| ·基本分类器分类结果的整合方式 | 第26-28页 |
| 3 局部离群检测算法的分析与研究 | 第28-43页 |
| ·局部离群点的引入 | 第28-29页 |
| ·局部离群点检测算法 LDOF | 第29-30页 |
| ·基于 DBSCAN 聚类剪枝的局部离群点检测算法探讨 | 第30-34页 |
| ·问题的引入 | 第30页 |
| ·基于 DBSCAN 聚类剪枝的局部离群点检测算法 PLDOF | 第30-31页 |
| ·PLDOF 算法存在的不足 | 第31-32页 |
| ·基于多重聚类的剪枝思想 | 第32-34页 |
| ·基于多重聚类的局部离群点检测算法 | 第34-42页 |
| ·PMLDOF 算法 | 第34-41页 |
| ·PMLDOF 算法步骤 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 4 算法性能及实验分析 | 第43-49页 |
| ·算法复杂度分析 | 第43页 |
| ·实验分析 | 第43-48页 |
| ·模拟数据集 | 第44页 |
| ·模拟数据集实验结果及分析 | 第44-46页 |
| ·KDD CUP1999 真实数据集 | 第46页 |
| ·真实数据集实验结果及分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 5 总结与展望 | 第49-51页 |
| ·主要工作总结 | 第49-50页 |
| ·研究展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 | 第56页 |
| A. 作者在攻读学位期间发表的论文目录 | 第56页 |