| Acknowledgement | 第5-7页 |
| Abstract | 第7-9页 |
| 摘要 | 第10-15页 |
| Preface | 第15-22页 |
| Chapter 1. Introduction | 第22-31页 |
| 1.1 Background and Context | 第23-25页 |
| 1.2 Problem Statement | 第25-27页 |
| 1.3 Scope and Objective | 第27-28页 |
| 1.4 Research Justification | 第28页 |
| 1.5 Research Question | 第28-29页 |
| 1.6 Research Methodology | 第29页 |
| 1.7 Thesis Contribution | 第29-30页 |
| 1.8 Thesis Outline | 第30-31页 |
| Chapter 2. Literature Review | 第31-53页 |
| 2.1 Anomaly Detection Techniques | 第31-38页 |
| 2.1.1 Supervised Anomaly Detection | 第32-35页 |
| 2.1.2 Semi-Supervised Anomaly Detection | 第35页 |
| 2.1.3 Unsupervised Anomaly Detection | 第35-38页 |
| 2.2 Anomaly Detection in Networking | 第38-39页 |
| 2.3 Wireless Sensor Network Anomaly Detection | 第39-41页 |
| 2.4 Anomaly Detection in Time Series | 第41-42页 |
| 2.5 Data Based Approach | 第42-43页 |
| 2.6 Model-Based Approach | 第43-44页 |
| 2.7 Anomaly Detection for Large Scale Data | 第44-45页 |
| 2.8 Anomaly Detection in Graph-Based Data | 第45-46页 |
| 2.9 Anomaly Detection in Computer Applications System | 第46-50页 |
| 2.9.1 Medical and Public Health Anomaly Detection | 第47页 |
| 2.9.2 Fraud Detection | 第47-48页 |
| 2.9.3 Insurance Claim Fraud Detection | 第48-49页 |
| 2.9.4 Intrusion Detection | 第49-50页 |
| 2.10 Reporting Anomalies | 第50页 |
| 2.11 Related Study | 第50-53页 |
| Chapter 3. Research Methodology | 第53-64页 |
| 3.1 Research Design | 第53-55页 |
| 3.2 Research Approach for Current Study | 第55-56页 |
| 3.3 Preparing Data for Mining | 第56-60页 |
| 3.3.1 Data Collection | 第56-57页 |
| 3.3.2 Data Preparation Process | 第57页 |
| 3.3.3 Normalization | 第57-58页 |
| 3.3.4 Data Samples | 第58-60页 |
| 3.4 Analysis Algorithms | 第60-62页 |
| 3.4.1 Data Clustering | 第60页 |
| 3.4.2 Advantages of Data Clustering | 第60-61页 |
| 3.4.3 Cross Validation | 第61-62页 |
| 3.5 Analysis Tools | 第62-64页 |
| 3.5.1 Weka | 第63页 |
| 3.5.2 SPSS | 第63-64页 |
| Chapter 4. Detecting Anomalies in VDP | 第64-74页 |
| 4.1 Understanding Value for Duty Purposes | 第64页 |
| 4.2 Customs Duty | 第64-65页 |
| 4.3 Calculations for VDP and Duty Applicable | 第65-67页 |
| 4.4 Determinant Features for Vehicle Price and Appropriate Duty | 第67-68页 |
| 4.5 Point for Anomaly Detection in the Current System | 第68-70页 |
| 4.6 Current system Architecture | 第70-71页 |
| 4.7 Proposed Architecture and Data Modelling | 第71-74页 |
| 4.7.1 System Architecture | 第71-73页 |
| 4.7.2 Data & Feature Modelling | 第73-74页 |
| Chapter 5. Experiments and Results | 第74-96页 |
| 5.1 Constructing Datasets for Experiments | 第74-76页 |
| 5.1.2 Choosing Correct Data Attributes | 第74页 |
| 5.1.3 Feature Selection | 第74-75页 |
| 5.1.4 Normalization | 第75-76页 |
| 5.2 Exploring Data by Statistical Analysis | 第76-77页 |
| 5.3 Classification-Weka Experiments | 第77-87页 |
| 5.3.1 Experiment 1: Baseline Performance Assessment | 第78-81页 |
| 5.3.2 Experiment 2: J48 Tree | 第81页 |
| 5.3.3 Experiment 3: Logistic Regression | 第81-85页 |
| 5.3.4 Experiment 4: Decision Table | 第85-87页 |
| 5.4 Choosing the Best Classifier Model | 第87页 |
| 5.5 Clustering Model | 第87-90页 |
| 5.6 Outlier Detection Using Interquartile Range | 第90-92页 |
| 5.6.1 Visualizing the Outliers for VDP and FOB | 第92页 |
| 5.7 SPSS Experiments | 第92-94页 |
| 5.8 Status for Vehicle Description | 第94-95页 |
| 5.9 Result Justification | 第95-96页 |
| Chapter 6. Conclusion and Discussion | 第96-98页 |
| 6.1 Conclusion | 第96-97页 |
| 6.2 Future Work | 第97-98页 |
| References | 第98-105页 |
| Appendix A | 第105-107页 |
| Author Profile and Research Achievements Obtained during the Study for A Master's Degree | 第107-109页 |
| Dataset for the Master’s Thesis | 第109-110页 |
