基于密度的局部离群点检测算法的研究与应用
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 当前的研究现状 | 第12-14页 |
| 1.2.1 国外的研究现状 | 第12-14页 |
| 1.2.2 国内的研究现状 | 第14页 |
| 1.3 研究意义 | 第14-15页 |
| 1.4 论文所作的工作及组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 离群点检测相关知识 | 第17-29页 |
| 2.1 数据挖掘概述 | 第17-18页 |
| 2.1.1 数据挖掘的定义 | 第17页 |
| 2.1.2 数据挖掘的过程 | 第17-18页 |
| 2.1.3 数据挖掘的功能 | 第18页 |
| 2.2 离群点概述 | 第18-19页 |
| 2.2.1 离群点定义 | 第18-19页 |
| 2.2.2 离群点产生原因 | 第19页 |
| 2.3 离群点的检测方法 | 第19-23页 |
| 2.3.1 基于分布的离群点检测方法 | 第19-20页 |
| 2.3.2 基于深度的离群点检测算法 | 第20-21页 |
| 2.3.3 基于聚类的离群点检测算法 | 第21-22页 |
| 2.3.4 基于距离的离群点检测算法 | 第22页 |
| 2.3.5 基于密度的离群点检测算法 | 第22-23页 |
| 2.4 离群点挖掘研究热点及发展趋势 | 第23-26页 |
| 2.4.1 高维大数据集中离群点的挖掘 | 第24-25页 |
| 2.4.2 时序离群点的挖掘 | 第25页 |
| 2.4.3 web离群点挖掘 | 第25-26页 |
| 2.4.4 空间离群点挖掘 | 第26页 |
| 2.5 离群点检测方法的评价指标 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 基于密度的局部离群点检测方法研究 | 第29-48页 |
| 3.1 传统的基于密度的局部离群点检测算法 | 第29-36页 |
| 3.1.1 LOF算法 | 第29-33页 |
| 3.1.2 ELSC算法 | 第33-36页 |
| 3.2 算法改进策略 | 第36-43页 |
| 3.2.1 基于记忆效应的邻域查询优化 | 第36-38页 |
| 3.2.2 基于DBSCAN算法的数据预处理 | 第38-41页 |
| 3.2.3 基于离群子空间的权值量化 | 第41-43页 |
| 3.3 改进算法NELSC | 第43-45页 |
| 3.4 算法分析 | 第45-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 仿真实验以及实验结果分析 | 第48-61页 |
| 4.1 实验测试 | 第48-60页 |
| 4.1.1 实验数据预处理与数据规范化 | 第48-50页 |
| 4.1.2 实验数据集 | 第50-57页 |
| 4.1.3 实验和实验结果分析 | 第57-60页 |
| 4.2 本章小结 | 第60-61页 |
| 第五章 改进算法NELSC在广告定向投递中的应用 | 第61-67页 |
| 5.1 改进算法NELSC在广告定向投递中的应用 | 第61-66页 |
| 5.1.1 定向广告的产生背景 | 第61-62页 |
| 5.1.2 改进算法NELSC挖掘高收入目标客户 | 第62-66页 |
| 5.2 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 本文工作总结 | 第67页 |
| 6.2 研究与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 在校期间参加的科研项目和发表的论文 | 第73-74页 |
| 致谢 | 第74页 |
