| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第6-11页 |
| 1.1 研究意义及背景 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.3 课题来源 | 第9页 |
| 1.4 研究内容 | 第9-10页 |
| 1.5 论文组织结构 | 第10页 |
| 1.6 本章小结 | 第10-11页 |
| 第二章 数据挖掘与异常检测 | 第11-15页 |
| 2.1 数据挖掘 | 第11-12页 |
| 2.2 异常值的定义 | 第12-13页 |
| 2.3 异常值产生的原因 | 第13页 |
| 2.4 数据挖掘的异常检测方法 | 第13-14页 |
| 2.5 本章小结 | 第14-15页 |
| 第三章 基于模糊C均值聚类算法的数据异常检测 | 第15-25页 |
| 3.1 传统环境污染源异常数据检测方法 | 第15-16页 |
| 3.2 模糊C均值聚类算法 | 第16-20页 |
| 3.3 污染源数据来源与预处理 | 第20-21页 |
| 3.4 FCM算法对环境污染源监测数据异常检测 | 第21-24页 |
| 3.5 本章小结 | 第24-25页 |
| 第四章 基于BP神经网络算法的异常值修正 | 第25-33页 |
| 4.1 BP神经网络算法概述 | 第25-28页 |
| 4.2 BP神经网络的特点 | 第28-29页 |
| 4.3 BP神经网络算法对环境污染源数据异常值修正 | 第29-32页 |
| 4.4 本章小结 | 第32-33页 |
| 第五章 基于FCM与BP神经网络算法结合的异常值修正 | 第33-44页 |
| 5.1 BP神经网络算法的缺点 | 第33-34页 |
| 5.2 FCM与BP神经网络结合算法对异常值修正 | 第34-38页 |
| 5.3 异常值修正改进算法实验结果与分析 | 第38-43页 |
| 5.4 本章小结 | 第43-44页 |
| 第六章 结论与展望 | 第44-45页 |
| 6.1 结论 | 第44页 |
| 6.2 展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 个人简介 | 第49页 |