| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究目标和研究内容 | 第13页 |
| 1.4 论文的结构安排 | 第13-14页 |
| 第2章 移动广告点击欺诈问题研究以及相关技术 | 第14-27页 |
| 2.1 移动网络广告点击欺诈问题研究 | 第14-17页 |
| 2.1.1 移动广告和移动广告平台 | 第14-15页 |
| 2.1.2 点击欺诈问题来源 | 第15-16页 |
| 2.1.3 广告点击欺诈带来的问题 | 第16页 |
| 2.1.4 移动广告点击欺诈检测 | 第16-17页 |
| 2.2 常用欺诈检测技术简介 | 第17-26页 |
| 2.2.1 分类算法 | 第17-21页 |
| 2.2.2 离群点挖掘算法 | 第21-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于分类的点击欺诈检测技术研究 | 第27-41页 |
| 3.1 点击欺诈广告发布商特征分析 | 第27-30页 |
| 3.1.1 基本统计的特征 | 第27-28页 |
| 3.1.2 基于方差的特征 | 第28-29页 |
| 3.1.3 基于信息熵的特征 | 第29页 |
| 3.1.4 基于偏度的特征 | 第29-30页 |
| 3.2 基于分类的点击欺诈检测方法 | 第30-34页 |
| 3.2.1 SMOTE方法介绍 | 第31-32页 |
| 3.2.2 集成学习 | 第32-34页 |
| 3.3 点击欺诈检测所用数据集介绍 | 第34-37页 |
| 3.4 基于分类的点击欺诈检测实验 | 第37-40页 |
| 3.4.1 分类检查性能评价方法 | 第37页 |
| 3.4.2 相关评价指标 | 第37-38页 |
| 3.4.3 实验一：单分类器算法比较 | 第38页 |
| 3.4.4 实验二：基于集成分类的检测方法比较 | 第38-39页 |
| 3.4.5 实验三：SMOTE100%过采样和分类集成方法相结合的技术 | 第39-40页 |
| 3.4.6 实验四：SMOTE500%过采样和分类集成方法相结合的技术 | 第40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于离群点挖掘的算法在点击欺诈中的应用 | 第41-50页 |
| 4.1 基于密度的局部离群点检测算法介绍 | 第41-43页 |
| 4.2 基于密度的局部离群点挖掘算法改进 | 第43-44页 |
| 4.3 基于改进的局部离群挖掘的广告点击欺诈检测 | 第44-45页 |
| 4.3.1 特征提取和特征降维 | 第45页 |
| 4.4 实验 | 第45-48页 |
| 4.4.1 数据集介绍 | 第45-46页 |
| 4.4.2 基于离群点挖掘的点击欺诈检测实验 | 第46-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文 | 第56页 |