| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景目的及意义 | 第7-8页 |
| ·国内外研究状况 | 第8-9页 |
| ·论文研究的主要内容 | 第9-11页 |
| 第二章 离群点检测算法的研究 | 第11-17页 |
| ·离群点检测的原理 | 第11页 |
| ·常见离群点检测算法的比较 | 第11-15页 |
| ·基于统计的离群点检测算法 | 第12页 |
| ·基于距离的离群点检测算法 | 第12-13页 |
| ·基于密度的离群点检测算法 | 第13-14页 |
| ·基于偏移的离群点检测算法 | 第14-15页 |
| ·高维离群点检测算法 | 第15-16页 |
| ·其他的离群点检测研究 | 第16页 |
| ·结论 | 第16-17页 |
| 第三章 数据挖掘中的聚类算法研究 | 第17-27页 |
| ·数据挖掘聚类算法背景 | 第17页 |
| ·数据挖掘常见聚类算法的简介 | 第17-23页 |
| ·数据挖掘聚类算法分类 | 第17-18页 |
| ·基于划分的方法 | 第18-20页 |
| ·基于的层次方法 | 第20-21页 |
| ·基于密度的聚类方法 | 第21-22页 |
| ·基于网格的聚类算法 | 第22-23页 |
| ·模型的算法 | 第23页 |
| ·聚类算法的新发展 | 第23-25页 |
| ·群的分类算法 | 第23-24页 |
| ·基于粒子的聚类方法 | 第24页 |
| ·基于模糊的聚类算法 | 第24-25页 |
| ·基于综合的其他的聚类 | 第25页 |
| ·多种聚类算法的融合 | 第25页 |
| ·结束语 | 第25-27页 |
| 第四章 基于相似度量的离群点检测 | 第27-32页 |
| ·基于相似度量的离群点检测算法的引入 | 第27页 |
| ·相关定义的介绍 | 第27-28页 |
| ·相似度量的函数 | 第27页 |
| ·聚类中的类密度的定义 | 第27-28页 |
| ·基于类密度的离群点定义 | 第28页 |
| ·基于相似度的类密度离群点检测算法的算法和复杂度分析 | 第28-31页 |
| ·具体的算法 | 第28-29页 |
| ·复杂度的分析 | 第29-31页 |
| ·结束语 | 第31-32页 |
| 第五章 基于NMF和相似度函数离群点检测 | 第32-42页 |
| ·基于NMF和相似度函数离群点检测算法提出的背景 | 第32-33页 |
| ·NMF(Non-negative Matrix Factorization)的原理 | 第33-36页 |
| ·NMF(Non-negative matrix factorization) | 第33-36页 |
| ·一种基于NMF和相似性度量的离群点检测的引入 | 第36-40页 |
| ·结束语 | 第40-42页 |
| 第六章 结论与展望 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 致谢 | 第47-48页 |
| 攻读硕士学位期间发表的论文 | 第48页 |
