大型数据集中离群数据挖掘算法研究及应用
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·选题背景及研究意义 | 第8-14页 |
| ·问题提出的背景 | 第8-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·数据挖掘的意义 | 第12-14页 |
| ·论文的主要研究内容及结构 | 第14-15页 |
| ·论文针对的主要问题 | 第14页 |
| ·论文的结构安排 | 第14-15页 |
| 2 离群数据挖掘的基础知识 | 第15-25页 |
| ·数据基础 | 第15-17页 |
| ·数据仓库的定义 | 第15页 |
| ·数据仓库的体系结构 | 第15-17页 |
| ·离群数据挖掘概述 | 第17-20页 |
| ·数据挖掘概述 | 第17-18页 |
| ·离群数据挖掘概述 | 第18-20页 |
| ·离群数据挖掘与数据仓库的关系 | 第20-23页 |
| ·离群挖掘相关技术 | 第23-24页 |
| ·数据预处理 | 第23页 |
| ·数据抽样 | 第23-24页 |
| ·数据挖掘中的聚类 | 第24页 |
| ·本章小结 | 第24-25页 |
| 3 离群数据挖掘算法概述 | 第25-35页 |
| ·基于统计的算法 | 第25-27页 |
| ·基于偏离的算法 | 第27-28页 |
| ·基于规则的算法 | 第28-29页 |
| ·基于聚类的算法 | 第29-30页 |
| ·基于密度的算法 | 第30-33页 |
| ·基于距离的算法 | 第33-34页 |
| ·离群数据的分析 | 第34页 |
| ·本章小结 | 第34-35页 |
| 4 基于两次聚类的离群数据挖掘算法 | 第35-46页 |
| ·两种有效的KNN 离群挖掘算法 | 第35-37页 |
| ·相关定义 | 第35-36页 |
| ·基于划分的ＫＮＮ算法 | 第36页 |
| ·基于聚类的ＫＮＮ算法 | 第36-37页 |
| ·基于两次聚类的离群数据挖掘方法 | 第37-43页 |
| ·算法思想 | 第38页 |
| ·算法描述 | 第38-43页 |
| ·基于两次聚类的离群挖掘算法实验结果 | 第43-45页 |
| ·算法的准确性验证 | 第43-44页 |
| ·算法对N（数据总量）的效率 | 第44页 |
| ·算法对D（维数）的效率及扩展性 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 基于两次聚类的离群数据挖掘算法的应用 | 第46-50页 |
| ·数据来源 | 第46-47页 |
| ·数据预处理 | 第47页 |
| ·挖掘过程及结果 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-53页 |
| ·论文工作总结 | 第50-51页 |
| ·后续工作展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59页 |
| A. 作者在攻读硕士学位期间发表的论文 | 第59页 |
| B. 作者攻读硕士学位期间参加的科研项目 | 第59页 |
