基于SPF的流数据离群点挖掘研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文主要内容 | 第13页 |
| 1.4 本文结构 | 第13-14页 |
| 1.5 本章小结 | 第14-16页 |
| 第二章 离群点检测 | 第16-28页 |
| 2.1 离群点 | 第16-18页 |
| 2.1.1 离群点定义 | 第16-17页 |
| 2.1.2 离群点检测应用 | 第17-18页 |
| 2.2 离群点检测技术 | 第18-23页 |
| 2.2.1 基于统计的检测方法 | 第18-19页 |
| 2.2.2 基于偏离的检测方法 | 第19-20页 |
| 2.2.3 基于距离的检测方法 | 第20-21页 |
| 2.2.4 基于密度的检测方法 | 第21-22页 |
| 2.2.5 基于深度的检测方法 | 第22页 |
| 2.2.6 基于聚类的检测方法 | 第22-23页 |
| 2.3 特异性因子 | 第23-25页 |
| 2.3.1 特异性因子 | 第24页 |
| 2.3.2 局部特异性因子 | 第24-25页 |
| 2.3.3 采样特异性因子 | 第25页 |
| 2.4 本章小结 | 第25-28页 |
| 第三章 流数据挖掘 | 第28-38页 |
| 3.1 流数据处理技术 | 第28-31页 |
| 3.1.1 直方图 | 第29页 |
| 3.1.2 窗口模型 | 第29-30页 |
| 3.1.3 小波技术 | 第30页 |
| 3.1.4 哈希方法 | 第30-31页 |
| 3.2 流数据挖掘算法 | 第31-34页 |
| 3.2.1 频繁项集挖掘 | 第31-33页 |
| 3.2.2 流数据聚类 | 第33-34页 |
| 3.2.3 流数据分类 | 第34页 |
| 3.3 推荐系统 | 第34-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于最优窗口的流数据离群点检测 | 第38-50页 |
| 4.1 基于窗口的特异性因子 | 第38-41页 |
| 4.1.1 窗口方法 | 第38-40页 |
| 4.1.2 基于窗口的特异性因子 | 第40-41页 |
| 4.2 基于最优窗口的离群点检测 | 第41-45页 |
| 4.2.1 最优窗口 | 第41-42页 |
| 4.2.2 基于最优窗口的离群点检测算法 | 第42-43页 |
| 4.2.3 实验及结果分析 | 第43-45页 |
| 4.3 基于最优窗口的流数据离群点检测 | 第45-49页 |
| 4.3.1 最优窗口学习方法 | 第45-46页 |
| 4.3.2 基于最优窗口的流数据离群点检测 | 第46-47页 |
| 4.3.3 实验及结果分析 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 流数据离群点检测应用 | 第50-56页 |
| 5.1 引言 | 第50-51页 |
| 5.2 观点挖掘 | 第51-53页 |
| 5.3 总结 | 第53-54页 |
| 5.4 本章小结 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 工作总结 | 第56-57页 |
| 6.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 攻读硕士论文期间发表的学术论文 | 第64页 |
