| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| §1.1 研究背景及意义 | 第8-9页 |
| §1.2 Argo剖面浮标数据介绍 | 第9-12页 |
| §1.2.1 Argo计划概述 | 第9页 |
| §1.2.2 Argo剖面浮标数据特点 | 第9-10页 |
| §1.2.3 Argo剖面浮标数据异常类型 | 第10-12页 |
| §1.3 国内外研究现状 | 第12-14页 |
| §1.3.1 Argo剖面浮标数据应用研究现状 | 第12页 |
| §1.3.2 Argo剖面浮标数据异常检测研究现状 | 第12-14页 |
| §1.3.3 基于大数据技术的海洋数据分析研究现状 | 第14页 |
| §1.4 研究内容 | 第14-15页 |
| §1.5 论文结构 | 第15-16页 |
| 第二章 相关理论与技术介绍 | 第16-24页 |
| §2.1 异常检测方法 | 第16-20页 |
| §2.1.1 异常检测概述 | 第16-18页 |
| §2.1.2 无监督异常检测方法 | 第18-20页 |
| §2.2 MapReduce并行计算模型 | 第20-21页 |
| §2.3 主曲线理论 | 第21-23页 |
| §2.3.1 主曲线概述 | 第21-22页 |
| §2.3.2 K主曲线理论 | 第22-23页 |
| §2.4 本章小结 | 第23-24页 |
| 第三章 生成Argo主剖面的AMPC算法研究 | 第24-28页 |
| §3.1 Argo剖面形式化概述 | 第24页 |
| §3.2 基于MapReduce剖面集分布式提取 | 第24-25页 |
| §3.3 海量Argo主剖面生成 | 第25-27页 |
| §3.4 本章小结 | 第27-28页 |
| 第四章 基于自适应异常阈值的异常检测方法研究 | 第28-34页 |
| §4.1 方法的提出 | 第28页 |
| §4.2 Argo剖面异常定义 | 第28-29页 |
| §4.3 Argo剖面异常阈值选取 | 第29-31页 |
| §4.3.1 基于分段“三倍标准差”准则局部阈值选取 | 第29-30页 |
| §4.3.2 基于k-近邻子剖面与主剖面预测的阈值选取 | 第30-31页 |
| §4.4 方法的设计 | 第31-33页 |
| §4.5 本章小结 | 第33-34页 |
| 第五章 实验结果与分析 | 第34-45页 |
| §5.1 实验环境与数据 | 第34-35页 |
| §5.2 实验评价指标 | 第35-38页 |
| §5.2.1 主剖面生成算法的评价指标 | 第35页 |
| §5.2.2 基于ROC曲线分析的评价指标 | 第35-38页 |
| §5.3 实验结果 | 第38-44页 |
| §5.3.1 基于AMPC算法的主剖面生成实验结果与分析 | 第38-41页 |
| §5.3.2 基于主剖面的阈值自适应异常检测实验结果与分析 | 第41-44页 |
| §5.4 本章小结 | 第44-45页 |
| 第六章 总结与展望 | 第45-47页 |
| §6.1 研究工作总结 | 第45-46页 |
| §6.2 存在的问题与展望 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 致谢 | 第52-53页 |
| 作者攻读硕士期间主要研究成果 | 第53页 |
