| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 引言 | 第8-12页 |
| ·研究背景与意义 | 第8-9页 |
| ·论文的思路 | 第9-10页 |
| ·论文贡献 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 第2章 相关知识 | 第12-22页 |
| ·数据挖掘概述 | 第12页 |
| ·聚类分析 | 第12-16页 |
| ·聚类算法介绍 | 第13-15页 |
| ·基于密度的聚类方法DBSCAN | 第15-16页 |
| ·孤立点分析 | 第16-18页 |
| ·孤立点检测算法介绍 | 第17-18页 |
| ·聚类的边界点分析 | 第18-21页 |
| ·边界点检测算法介绍 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 聚类的边界点检测算法研究 | 第22-48页 |
| ·对BORDER算法的分析 | 第22-25页 |
| ·存在的问题 | 第24-25页 |
| ·提出的解决方法 | 第25页 |
| ·基于对象的方向关系的边界点检测算法(BOUND) | 第25-35页 |
| ·基本概念 | 第26-28页 |
| ·基于对象的方向关系的边界点检测算法(BOUND) | 第28-29页 |
| ·实验结果 | 第29-35页 |
| ·时间复杂度分析和效率对比 | 第35页 |
| ·小结 | 第35页 |
| ·高效的边界点检测算法(BRIM) | 第35-41页 |
| ·基本概念 | 第36-37页 |
| ·算法描述(BRIM) | 第37-38页 |
| ·实验结果 | 第38-40页 |
| ·时间复杂度分析和效率对比 | 第40页 |
| ·小结 | 第40-41页 |
| ·基于引力的边界点检测算法(GREEN) | 第41-48页 |
| ·基本概念 | 第41-43页 |
| ·算法描述 | 第43-44页 |
| ·实验结果 | 第44-46页 |
| ·算法效率及时间复杂度 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第4章 基于反向K-近邻的孤立点算法 | 第48-61页 |
| ·对LOF算法的分析 | 第48-53页 |
| ·存在的问题 | 第52-53页 |
| ·基于对象的反向K-近邻的孤立点检测算法ODRKNN | 第53-60页 |
| ·相关概念 | 第53-54页 |
| ·算法描述 | 第54-55页 |
| ·实验结果 | 第55-59页 |
| ·ODRKNN算法的效率 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 结论 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间的研究成果 | 第66页 |
