离群点检测算法的研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 第2章 离群点检测相关理论 | 第14-25页 |
| 2.1 离群点的概述 | 第14-16页 |
| 2.1.1 离群点的定义 | 第14页 |
| 2.1.2 离群点的成因 | 第14-15页 |
| 2.1.3 离群点的种类 | 第15-16页 |
| 2.2 离群点的度量方式 | 第16-19页 |
| 2.2.1 数值属性的度量方式 | 第16-18页 |
| 2.2.2 分类属性的度量方式 | 第18-19页 |
| 2.3 离群点的基本检测方法 | 第19-23页 |
| 2.3.1 基于统计的离群点检测方法 | 第19-21页 |
| 2.3.2 基于距离的离群点检测方法 | 第21页 |
| 2.3.3 基于频率的离群点检测方法 | 第21-22页 |
| 2.3.4 基于聚类的离群点检测方法 | 第22-23页 |
| 2.3.5 基于密度的离群点检测方法 | 第23页 |
| 2.4 离群点检测算法的应用介绍 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 混合数据距离度量的构造 | 第25-30页 |
| 3.1 混合数据的介绍 | 第25页 |
| 3.2 数值分类属性介绍 | 第25-26页 |
| 3.3 混合数据的标准化处理 | 第26-27页 |
| 3.4 混合数据度量方式的构造 | 第27-29页 |
| 3.4.1 信息熵 | 第27-28页 |
| 3.4.2 除一化信息熵增量 | 第28页 |
| 3.4.3 混合数据加权距离函数的构造 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 混合数据离群点检测算法的改进 | 第30-43页 |
| 4.1 改进的DBSCAN聚类算法 | 第30-35页 |
| 4.1.1 密度算法原理 | 第30-31页 |
| 4.1.2 DBSCAN聚类算法 | 第31-32页 |
| 4.1.3 改进的DBSCAN聚类算法 | 第32-35页 |
| 4.2 新局部离群因子LAOF的构造 | 第35-37页 |
| 4.2.1 LOF算法的基本原理 | 第35-36页 |
| 4.2.2 新局部离群因子的定义 | 第36-37页 |
| 4.2.3 基于LAOF的离群点检测算法 | 第37页 |
| 4.3 算法实现过程 | 第37-38页 |
| 4.4 实验分析 | 第38-40页 |
| 4.5 应用 | 第40-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第5章 总结与展望 | 第43-45页 |
| 5.1 总结 | 第43-44页 |
| 5.2 展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 在学研究成果 | 第49-50页 |
| 致谢 | 第50页 |
