| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第一章 引言 | 第16-24页 |
| 1.1 论文研究背景 | 第16-17页 |
| 1.2 论文研究意义 | 第17页 |
| 1.3 国内外研究现状 | 第17-21页 |
| 1.3.1 我国农业数据应用现状 | 第17-18页 |
| 1.3.2 异常数据检验研究现状 | 第18-21页 |
| 1.4 论文研究内容与研究方法 | 第21-22页 |
| 1.4.1 论文研究内容 | 第21页 |
| 1.4.2 论文研究方法 | 第21-22页 |
| 1.5 论文创新点 | 第22页 |
| 1.6 论文技术路线 | 第22-24页 |
| 第二章 基本理论 | 第24-35页 |
| 2.1 Benford定律 | 第24-28页 |
| 2.1.1 Benford定律发展 | 第24页 |
| 2.1.2 Benford定律的内容 | 第24-26页 |
| 2.1.3 显著性检验方法 | 第26-28页 |
| 2.1.4 Benford定律应用不足 | 第28页 |
| 2.2 支持向量机 | 第28-34页 |
| 2.2.1 支持向量机 | 第28-30页 |
| 2.2.2 支持向量回归 | 第30-31页 |
| 2.2.3 核函数 | 第31-32页 |
| 2.2.4 参数优化算法理论 | 第32-33页 |
| 2.2.5 支持向量机应用不足 | 第33-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 Benford-SVR异常数据检验模型构建 | 第35-43页 |
| 3.1 异常点基本概念 | 第35-36页 |
| 3.2 Benford-SVR异常数据检验模型构建过程中的关键问题 | 第36-40页 |
| 3.2.1 数据预处理 | 第36-38页 |
| 3.2.2 变量选取 | 第38页 |
| 3.2.3 SVR核函数选取 | 第38页 |
| 3.2.4 PSO算法优化参数 | 第38-40页 |
| 3.3 Benford-SVR异常数据检验模型构建及流程 | 第40-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 Benford-SVR模型实证分析—农业气象数据 | 第43-54页 |
| 4.1 数据来源 | 第43页 |
| 4.2 数据预处理 | 第43-45页 |
| 4.2.1 数据清洗 | 第43页 |
| 4.2.2 关键指标选取 | 第43-45页 |
| 4.3 Benford定律筛选异常数据池 | 第45-52页 |
| 4.3.1 时间维度检验 | 第45-49页 |
| 4.3.2 空间维度检验 | 第49-51页 |
| 4.3.3 时空交错维度检验 | 第51-52页 |
| 4.4 SVR挖掘异常数据 | 第52-53页 |
| 4.4.1 确定训练集 | 第53页 |
| 4.4.2 异常数据挖掘 | 第53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 Benford-SVR模型实证分析—农业生产数据 | 第54-67页 |
| 5.1 数据来源 | 第54页 |
| 5.2 数据预处理 | 第54-56页 |
| 5.2.1 数据清洗 | 第54页 |
| 5.2.2 关键指标选取 | 第54-56页 |
| 5.3 Benford定律筛选异常数据池 | 第56-59页 |
| 5.3.1 整体检验样本集 | 第56-57页 |
| 5.3.2 时间维度检验 | 第57-58页 |
| 5.3.3 空间维度检验 | 第58-59页 |
| 5.4 SVR挖掘异常数据 | 第59-62页 |
| 5.4.1 确定训练集 | 第59页 |
| 5.4.2 异常数据挖掘 | 第59-62页 |
| 5.5 与BP神经网络对比 | 第62-66页 |
| 5.6 本章小结 | 第66-67页 |
| 第六章 总结及展望 | 第67-70页 |
| 6.1 主要结论 | 第67-68页 |
| 6.2 研究展望 | 第68-70页 |
| 参考文献 | 第70-77页 |
| 致谢 | 第77-78页 |
| 作者简历 | 第78-79页 |
