强影响点的数据挖掘和图示
| 中文摘要Ⅰ | 第1-5页 |
| 英文摘要Ⅱ | 第5-8页 |
| 1 绪论 | 第8-10页 |
| 1．1 数据挖掘技术的蓬勃发展 | 第8页 |
| 1．2 强影响点挖掘和图示的意义 | 第8-9页 |
| 1．3 国内外研究现状 | 第9页 |
| 1．4 本文的主要工作 | 第9-10页 |
| 2 数据挖掘方法 | 第10-16页 |
| 2．1 概述 | 第10页 |
| 2．2 什么是数据挖掘 | 第10-12页 |
| 2．3 数据挖掘的功能和模式 | 第12页 |
| 2．4 数据挖掘的方法和过程 | 第12-13页 |
| 2．5 数据挖掘技术 | 第13-15页 |
| 2．6 数据挖掘面临的主要问题 | 第15-16页 |
| 3 强影响点的探测 | 第16-22页 |
| 3．1 异常点和强影响点 | 第16-17页 |
| 3．2 COOK距离 | 第17-20页 |
| 3．3 强影响点与高杠杆点和异常点 | 第20页 |
| 3．4 异常点和强影响点的挖掘 | 第20-21页 |
| 3．5 探索性数据分析 | 第21-22页 |
| 4 基于关联分析的离差法 | 第22-36页 |
| 4．1 灰色系统基本理论 | 第22-23页 |
| 4．2 关联度分析法 | 第23-25页 |
| 4．2．1 关联系数 | 第23-24页 |
| 4．2．2 关联度 | 第24-25页 |
| 4．3 基于关联分析的离差法 | 第25-26页 |
| 4．3．1 偏差系数 | 第25-26页 |
| 4．3．2 偏离系数和离差度 | 第26页 |
| 4．4 利用离差法挖掘强影响点 | 第26-30页 |
| 4．4．1 离差度方法的理论依据 | 第26-28页 |
| 4．4．2 挖掘算法和步骤 | 第28-29页 |
| 4．4．3 利用离差法挖掘强影响点的意义 | 第29-30页 |
| 4．5 实例与分析 | 第30-35页 |
| 4．5．1 实验数据 | 第30-31页 |
| 4．5．2 主要计算结果与分析 | 第31-33页 |
| 4．5．3 与经典方法的比较 | 第33-35页 |
| 4．6 小结 | 第35-36页 |
| 5 强影响点的一种图示和度量的新方法 | 第36-49页 |
| 5．1 面向数据挖掘的可视化的现状 | 第36-37页 |
| 5．2 贡献得分降维法和影响距离法 | 第37-43页 |
| 5．2．1 算法与解释 | 第37-39页 |
| 5．2．2 步骤与实例 | 第39-43页 |
| 5．3 验证和比较 | 第43-47页 |
| 5．3．1 验证 | 第43-44页 |
| 5．3．2 比较分析 | 第44-47页 |
| 5．4 实例分析 | 第47-48页 |
| 5．5 本章小结 | 第48-49页 |
| 6 强影响点的挖掘系统 | 第49-54页 |
| 6．1 系统的主要功能 | 第49-50页 |
| 6．2 可视化图形用户界面 | 第50-54页 |
| 结论 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录 | 第58-63页 |
| 附录A部分实验数据 | 第58-60页 |
| 附录B部分计算程序 | 第60-63页 |
