| 中文摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 数据挖掘 | 第8-12页 |
| 1.1.1 数据挖掘的主要阶段 | 第8-9页 |
| 1.1.2 数据挖掘的模型与方法 | 第9-10页 |
| 1.1.3 数据挖掘的应用领域 | 第10-12页 |
| 1.2 离群数据 | 第12-14页 |
| 1.2.1 离群数据挖掘 | 第12-13页 |
| 1.2.2 离群数据挖掘的并行化 | 第13-14页 |
| 1.3 研究目标及论文组织 | 第14-16页 |
| 1.3.1 研究目标 | 第14页 |
| 1.3.2 论文组织 | 第14-16页 |
| 第二章 k近邻查询与并行计算模型 | 第16-22页 |
| 2.1 k近邻查询 | 第16页 |
| 2.2 基于k近邻的离群挖掘 | 第16-17页 |
| 2.3 MapReduce编程模型与Hadoop平台 | 第17-21页 |
| 2.3.1 MapReduce编程模型 | 第17-20页 |
| 2.3.2 Hadoop平台 | 第20-21页 |
| 2.4 小结 | 第21-22页 |
| 第三章 基于Z-order的加权k近邻与离群数据挖掘 | 第22-36页 |
| 3.1 引言 | 第22页 |
| 3.2 基于Z-order的加权k近邻 | 第22-27页 |
| 3.2.1 信息熵与加权k近邻 | 第22-24页 |
| 3.2.2 基于Z-order的加权k近邻查询方法 | 第24-25页 |
| 3.2.3 实例 | 第25-27页 |
| 3.3 基于加权k近邻的离群数据挖掘算法 | 第27-30页 |
| 3.3.1 离群因子 | 第28页 |
| 3.3.2 WKNNOM算法描述 | 第28-30页 |
| 3.4 实验分析 | 第30-34页 |
| 3.4.1 算法性能分析 | 第31-32页 |
| 3.4.2 三种算法性能比较 | 第32-33页 |
| 3.4.3 副本数f对性能的影响 | 第33-34页 |
| 3.5 小结 | 第34-36页 |
| 第四章 基于MapReduce的并行加权k近邻与离群数据挖掘 | 第36-50页 |
| 4.1 引言 | 第36页 |
| 4.2 WKNNOM算法的并行化分析 | 第36-38页 |
| 4.2.1 局部敏感哈希LSH | 第37页 |
| 4.2.2 并行化分析 | 第37-38页 |
| 4.3 基于MapReduce的并行加权k近邻查询与离群数据挖掘算法 | 第38-42页 |
| 4.3.1 数据预处理 | 第38-39页 |
| 4.3.2 加权k近邻候选集 | 第39-40页 |
| 4.3.3 加权k近邻 | 第40-41页 |
| 4.3.4 离群数据 | 第41-42页 |
| 4.4 实验分析 | 第42-49页 |
| 4.4.1 UCI数据集 | 第42-45页 |
| 4.4.2 人工数据集 | 第45-48页 |
| 4.4.3 天体光谱数据 | 第48-49页 |
| 4.5 小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58-60页 |
| 攻读学位期间发表的学术论文目录 | 第60页 |
