| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 选题背景与研究意义 | 第11-14页 |
| 1.1.1 选题背景 | 第11-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状及存在问题 | 第14-16页 |
| 1.3 论文主要内容及内容安排 | 第16-19页 |
| 1.3.1 论文主要内容 | 第16-17页 |
| 1.3.2 论文内容安排 | 第17-19页 |
| 第二章 离群点挖掘方法概述 | 第19-32页 |
| 2.1 数据挖掘概述 | 第19-21页 |
| 2.1.1 数据挖掘定义 | 第19-20页 |
| 2.1.2 数据挖掘过程 | 第20-21页 |
| 2.2 离群点挖掘方法概述 | 第21-24页 |
| 2.2.1 离群点定义 | 第21-22页 |
| 2.2.2 离群点挖掘 | 第22页 |
| 2.2.3 离群点检测的稳健方法 | 第22-24页 |
| 2.3 离群点挖掘的典型方法 | 第24-27页 |
| 2.3.1 基于统计分布的离群点检测方法 | 第24-25页 |
| 2.3.2 基于聚类的离群点检测方法 | 第25页 |
| 2.3.3 基于距离的离群点检测方法 | 第25-26页 |
| 2.3.4 基于密度的离群点检测方法 | 第26-27页 |
| 2.4 常用数据集的离群点挖掘 | 第27-30页 |
| 2.4.1 高维大数据离群点挖掘 | 第27-28页 |
| 2.4.2 WEB 离群点挖掘 | 第28-29页 |
| 2.4.3 空间离群点挖掘 | 第29-30页 |
| 2.4.4 时序离群点挖掘 | 第30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 基于密度的局部离群点检测方法研究 | 第32-48页 |
| 3.1 局部离群点的解释 | 第32-33页 |
| 3.2 基于密度的局部离群点检测法 | 第33-37页 |
| 3.2.1 问题引入 | 第33页 |
| 3.2.2 LOF 算法理论基础 | 第33-37页 |
| 3.3 CLOF 算法 | 第37-43页 |
| 3.3.1 k 均值聚类算法 | 第38-39页 |
| 3.3.2 LOF 离群点检测算法 | 第39-40页 |
| 3.3.3 CLOF 算法 | 第40-42页 |
| 3.3.4 CLOF 算法复杂度分析 | 第42-43页 |
| 3.4 CLOF 算法实验结果分析 | 第43-47页 |
| 3.4.1 在人工数据集上的实验结果分析 | 第43-45页 |
| 3.4.2 在威斯康辛州乳腺肿瘤数据集上的实验结果分析 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于改进的 k 均值离群点检测算法 | 第48-60页 |
| 4.1 带惩罚因子的 k 均值聚类算法 | 第48-52页 |
| 4.1.1 正则化方法 | 第48-49页 |
| 4.1.2 回归问题中的惩罚因子 | 第49-50页 |
| 4.1.3 带惩罚因子的 k 均值离群点检测方法 | 第50-52页 |
| 4.2 KMPO 离群点检测算法 | 第52-54页 |
| 4.2.1 KMPO 算法的提出 | 第52-53页 |
| 4.2.2 算法评价 | 第53-54页 |
| 4.3 KMPO 算法模型的求解 | 第54-56页 |
| 4.3.1 LASSO 方法 | 第54-55页 |
| 4.3.2 以 LASSO 方法求解目标函数 | 第55-56页 |
| 4.4 实验结果分析 | 第56-58页 |
| 4.4.1 实验数据集 | 第56-57页 |
| 4.4.2 实验结果分析 | 第57-58页 |
| 4.5 本章小结 | 第58-60页 |
| 总结与展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 答辩委员会对论文的评定意见 | 第67页 |