| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 相似性度量 | 第10-11页 |
| 1.2.2 离群检测研究 | 第11-12页 |
| 1.2.3 聚类研究 | 第12-14页 |
| 1.3 研究目标 | 第14-15页 |
| 1.4 研究内容 | 第15-17页 |
| 2 相关概念与算法 | 第17-29页 |
| 2.1 最近邻居思想概述及相关研究 | 第17-21页 |
| 2.1.1 相似性度量概述 | 第17-19页 |
| 2.1.2 最近邻居思想分类 | 第19-21页 |
| 2.2 最近邻居思想在数据挖掘中的应用 | 第21-24页 |
| 2.2.1 最近邻居思想在分类中的应用 | 第22页 |
| 2.2.2 最近邻居思想在聚类分析中的应用 | 第22-23页 |
| 2.2.3 最近邻居思想在离群检测中的应用 | 第23-24页 |
| 2.3 最近邻居思想的邻域参数选择问题 | 第24-29页 |
| 3 自然邻居思想理论研究 | 第29-49页 |
| 3.1 自然邻居思想的起源 | 第29-32页 |
| 3.2 自然邻居思想的基本概念 | 第32-36页 |
| 3.3 自然稳定状态的改进 | 第36-41页 |
| 3.4 自然邻居思想特性分析 | 第41-42页 |
| 3.5 实验分析 | 第42-48页 |
| 3.5.1 自然邻居邻域图 | 第42-44页 |
| 3.5.2 自然邻居邻域图 | 第44-45页 |
| 3.5.3 自然邻居特征值的稳定性 | 第45-48页 |
| 3.6 小结 | 第48-49页 |
| 4 自然邻居思想对传统最近邻居算法的改进 | 第49-69页 |
| 4.1 自然邻居邻域图与k-最近邻居邻域图的比较 | 第49-52页 |
| 4.2 自然邻居特征值快速计算算法 | 第52-56页 |
| 4.2.1 特征值快速算法相关定义 | 第53-54页 |
| 4.2.2 基于加权自然邻居邻域图的自然邻居特征值计算算法 | 第54-56页 |
| 4.3 基于自然邻居特征值的离群检测算法 | 第56-61页 |
| 4.4 基于自然邻居特征值的分类算法 | 第61-64页 |
| 4.5 基于自然邻居特征值的扩展最近邻居方法 | 第64-68页 |
| 4.6 小结 | 第68-69页 |
| 5 基于加权自然邻居邻域图的数据挖掘算法 | 第69-87页 |
| 5.1 数据挖掘中的聚类和离群检测 | 第69-70页 |
| 5.2 基于加权自然邻居邻域图的数据挖掘算法 | 第70-75页 |
| 5.2.1 相关定义 | 第70-71页 |
| 5.2.2 算法流程 | 第71-74页 |
| 5.2.3 算法复杂度分析 | 第74-75页 |
| 5.3 实验 | 第75-86页 |
| 5.3.1 人工数据集实验 | 第75-84页 |
| 5.3.2 真实数据集实验 | 第84-86页 |
| 5.4 小结 | 第86-87页 |
| 6 总结与展望 | 第87-89页 |
| 6.1 总结 | 第87页 |
| 6.2 展望 | 第87-89页 |
| 致谢 | 第89-91页 |
| 参考文献 | 第91-99页 |
| 附录 | 第99页 |
| A.作者在攻读学位期间发表的论文目录 | 第99页 |
| B.作者在攻读博士学位期间参与的科研项目 | 第99页 |