| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 数据离群分析研究现状 | 第10-12页 |
| 1.2.2 数据可信度评估研究现状 | 第12页 |
| 1.2.3 研究工作的实际需要 | 第12-13页 |
| 1.3 课题研究意义与研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 数据特征与分析方法 | 第15-29页 |
| 2.1 样本数据集说明 | 第15-16页 |
| 2.2 时间维度上的数据集特征分析 | 第16-19页 |
| 2.2.1 时间维度上的数据集特征假设 | 第16-18页 |
| 2.2.2 时间维度上的数据集特征假设验证 | 第18-19页 |
| 2.3 空间维度上的数据集特征分析 | 第19-22页 |
| 2.3.1 空间维度上的数据集特征假设 | 第21页 |
| 2.3.2 空间维度上的数据集特征假设验证 | 第21-22页 |
| 2.4 数据集在时空双维度上的特征总结 | 第22-24页 |
| 2.5 数据分析方法选择 | 第24-26页 |
| 2.5.1 离群数据分析主要研究问题 | 第25页 |
| 2.5.2 离群数据的定义 | 第25页 |
| 2.5.3 离群数据分析的方法 | 第25-26页 |
| 2.5.4 WSNs中离群数据分析的意义 | 第26页 |
| 2.6 本章小结 | 第26-29页 |
| 第三章 基于数据密度的WSNs数据离群分析与优化 | 第29-47页 |
| 3.1 基于密度的离群分析算法LOF简述 | 第29-31页 |
| 3.1.1 基于密度的离群分析算法优势 | 第29页 |
| 3.1.2 基于密度的数据离群分析算法LOF | 第29-31页 |
| 3.2 LOF算法的优化改进 | 第31-34页 |
| 3.2.1 算法的不足 | 第31页 |
| 3.2.2 算法改进概述 | 第31-32页 |
| 3.2.3 基于规则划分的算法改进 | 第32-34页 |
| 3.3 基于规则划分的LOF优化算法实现 | 第34-40页 |
| 3.3.1 无突发环境因素的LOF优化算法的实现 | 第36-38页 |
| 3.3.2 容纳突发环境因素的LOF优化算法的实现 | 第38-39页 |
| 3.3.3 不同规则下LOF算法的比较 | 第39-40页 |
| 3.4 基于规则改进的LOF优化算法结果对比 | 第40-46页 |
| 3.4.1 与经典LOF算法实验结果的对比 | 第40-43页 |
| 3.4.2 与同条件下不同类型数据离群分析结果的对比 | 第43-46页 |
| 3.5 算法效能分析 | 第46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 基于离群分析的WSNs数据可信度评估 | 第47-63页 |
| 4.1 数据可信度分析方法简述 | 第47-48页 |
| 4.1.1 评估方法比较 | 第48页 |
| 4.2 WSNs数据集可信度分析模型 | 第48-59页 |
| 4.2.1 WSNs数据可信度评估衡量指标 | 第48-50页 |
| 4.2.2 数据集精确度分析方法 | 第50-51页 |
| 4.2.3 数据精确度分析实现 | 第51-58页 |
| 4.2.4 数据可信度分析实现 | 第58-59页 |
| 4.3 基于可信度评估的节点数据状态评估研究 | 第59-62页 |
| 4.3.1 节点的数据可信度评估结果说明 | 第59-60页 |
| 4.3.2 节点的数据状态判断 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 数据可信度评估系统功能实现 | 第63-73页 |
| 5.1 开发环境 | 第63页 |
| 5.2 可信度评估系统功能展示 | 第63-71页 |
| 5.2.1 前端显示模块 | 第63-66页 |
| 5.2.2 数据结构设计 | 第66-67页 |
| 5.2.3 后端分析实现 | 第67-71页 |
| 5.3 本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 现有工作的总结 | 第73页 |
| 6.2 后续工作的展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间取得的科研成果 | 第79-81页 |
| 致谢 | 第81页 |