基于偏离特征的离群点挖掘方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景及意义 | 第10-12页 |
| 1.1.1 课题的研究背景 | 第10-11页 |
| 1.1.2 课题的研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 数据挖掘的研究现状 | 第12-13页 |
| 1.2.2 离群点挖掘的研究现状 | 第13-14页 |
| 1.3 本文主要的研究内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 相关研究基础 | 第16-26页 |
| 2.1 离群点挖掘 | 第16-19页 |
| 2.1.1 离群点的提出及分类 | 第16-18页 |
| 2.1.2 离群点挖掘的内容 | 第18页 |
| 2.1.3 离群点挖掘的应用 | 第18-19页 |
| 2.1.4 离群点挖掘的研究热点 | 第19页 |
| 2.2 离群点检测算法介绍 | 第19-24页 |
| 2.2.1 基于统计的离群点检测算法 | 第20页 |
| 2.2.2 基于距离的离群点检测算法 | 第20-21页 |
| 2.2.3 基于密度的离群点检测算法 | 第21页 |
| 2.2.4 基于规则的离群点检测算法 | 第21-22页 |
| 2.2.5 基于深度的离群点检测算法 | 第22页 |
| 2.2.6 基于聚类的离群点检测算法 | 第22-23页 |
| 2.2.7 基于相似系数的离群点检测算法 | 第23页 |
| 2.2.8 高维离群点检测算法 | 第23-24页 |
| 2.3 离群点分析研究内容 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 静态数据集中离群点检测算法 | 第26-38页 |
| 3.1 研究概述 | 第26-27页 |
| 3.2 快速LOF检测算法 | 第27-32页 |
| 3.2.1 距离的度量 | 第27-28页 |
| 3.2.2 数据标准化 | 第28页 |
| 3.2.3 算法思想 | 第28-31页 |
| 3.2.4 算法实现 | 第31-32页 |
| 3.3 实验及结果分析 | 第32-37页 |
| 3.3.1 实验数据集 | 第32页 |
| 3.3.2 实验平台及环境 | 第32页 |
| 3.3.3 时间复杂度 | 第32-34页 |
| 3.3.4 算法有效性 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 时序数据流中离群点检测算法 | 第38-61页 |
| 4.1 研究概述 | 第38-39页 |
| 4.2 快速IncLOF检测算法 | 第39-49页 |
| 4.2.1 k-means聚类 | 第40-41页 |
| 4.2.2 插值修改技术 | 第41-43页 |
| 4.2.3 问题说明 | 第43页 |
| 4.2.4 算法思想 | 第43-48页 |
| 4.2.5 算法实现 | 第48-49页 |
| 4.3 时间复杂度分析 | 第49-51页 |
| 4.4 海量数据流中参数b的范围 | 第51页 |
| 4.5 实验结果及分析 | 第51-60页 |
| 4.5.1 实验数据集及平台 | 第52-53页 |
| 4.5.2 性能检测 | 第53-54页 |
| 4.5.3 结果和讨论 | 第54-56页 |
| 4.5.4 可扩展性 | 第56-60页 |
| 4.6 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |
