| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·离群点挖掘的研究背景及意义 | 第11-12页 |
| ·离群点挖掘 | 第12-15页 |
| ·国内外研究现状 | 第12-14页 |
| ·任务和问题 | 第14-15页 |
| ·课题研究内容 | 第15页 |
| ·本文的结构内容安排 | 第15-17页 |
| 第2章 离群点挖掘的技术分析 | 第17-25页 |
| ·离群点成因的分类 | 第17页 |
| ·离群点的定义 | 第17-19页 |
| ·离群点挖掘相关算法 | 第19-24页 |
| ·离群点分类 | 第19-20页 |
| ·离群点检测算法 | 第20-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于蚁群构图切割的离群点挖掘算法研究 | 第25-39页 |
| ·引言 | 第25-26页 |
| ·问题定义与描述 | 第26-31页 |
| ·数据间距的度量 | 第26-28页 |
| ·改进的蚁群算法相关定义 | 第28-31页 |
| ·离群点挖掘算法的设计 | 第31-37页 |
| ·构建图像的算法设计 | 第31-33页 |
| ·切割图像的算法设计 | 第33-35页 |
| ·挖掘离群点算法设计 | 第35-37页 |
| ·GODAC 算法性能分析 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第4章 基于蚁群k-means 聚类的多变量时序离群点挖掘算法研究 | 第39-51页 |
| ·引言 | 第39-40页 |
| ·问题定义与描述 | 第40-43页 |
| ·基本定义 | 第40-42页 |
| ·蚁群算法基本定义 | 第42-43页 |
| ·k-means 聚类算法相关描述 | 第43页 |
| ·时序离群点挖掘算法的设计 | 第43-47页 |
| ·聚类过程设计 | 第44-45页 |
| ·时序数据的相关向量 | 第45-46页 |
| ·挖掘离群点的算法设计 | 第46-47页 |
| ·ODMC 算法实例与分析 | 第47-49页 |
| ·ODMC 算法实例 | 第48-49页 |
| ·ODMC 算法性能分析 | 第49页 |
| ·本章小结 | 第49-51页 |
| 第5章 算法实现及实验分析 | 第51-63页 |
| ·引言 | 第51页 |
| ·GODAC 算法的实验 | 第51-57页 |
| ·GODAC 算法实验数据及参数设置 | 第51-52页 |
| ·GODAC 算法效率分析 | 第52-53页 |
| ·GODAC 算法精度分析 | 第53-57页 |
| ·ODMC 算法的实验 | 第57-61页 |
| ·ODMC 算法实验数据及参数设置 | 第57页 |
| ·ODMC 算法效率分析 | 第57-58页 |
| ·ODMC 算法精度分析 | 第58-61页 |
| ·本章小结 | 第61-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |