离群点预处理及检测算法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景与研究意义 | 第11-14页 |
| ·研究背景 | 第11-13页 |
| ·研究意义 | 第13-14页 |
| ·研究现状 | 第14-18页 |
| ·国外研究现状 | 第14-17页 |
| ·国内研究现状 | 第17-18页 |
| ·本文研究内容 | 第18页 |
| ·论文的组织结构 | 第18-19页 |
| 第2章 数据质量与离群点 | 第19-28页 |
| ·数据预处理 | 第19-21页 |
| ·现实数据存在的问题 | 第19-20页 |
| ·数据处理策略 | 第20-21页 |
| ·区分噪声与"有趣模式"离群点 | 第21-25页 |
| ·离群点的分类 | 第22页 |
| ·模型法 | 第22-24页 |
| ·二次挖掘法 | 第24-25页 |
| ·离群点类型 | 第25-27页 |
| ·单点离群点 | 第25页 |
| ·语境离群点 | 第25-27页 |
| ·集体离群点 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 离群点挖掘技术介绍 | 第28-34页 |
| ·归纳学习与离群点检测技术 | 第28-29页 |
| ·有监督的离群点检测 | 第28页 |
| ·半监督的离群点检测 | 第28-29页 |
| ·无监督的离群点检测 | 第29页 |
| ·离群点挖掘方法 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于近邻的离群点检测算法的研究 | 第34-53页 |
| ·基于距离的离群点检测算法 | 第35-38页 |
| ·k-近邻的离群点检测算法 | 第38-41页 |
| ·基于密度的局部离群点检测算法 | 第41-46页 |
| ·基于奇异值分解的维度约减 | 第46-51页 |
| ·本章小结 | 第51-53页 |
| 第5章 离群点检测系统的实现及结果分析 | 第53-74页 |
| ·离群点挖掘系统的实现 | 第53-56页 |
| ·系统结构 | 第53-54页 |
| ·系统过程 | 第54-56页 |
| ·实验数据集 | 第56-58页 |
| ·Wisconsin乳腺癌数据集 | 第56-58页 |
| ·ionosphere数据集 | 第58页 |
| ·实验过程及结果分析 | 第58-69页 |
| ·离群点检测算法的评价标准 | 第58-59页 |
| ·Wisconsin乳腺癌数据集 | 第59-62页 |
| ·ionosphere数据集 | 第62-66页 |
| ·实验结论 | 第66页 |
| ·挖掘结果的合理性分析 | 第66-69页 |
| ·二次挖掘法识别噪声 | 第69-71页 |
| ·模型法识别噪声 | 第71-72页 |
| ·本章小结 | 第72-74页 |
| 结论与展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间发表的论文 | 第81-82页 |
