基于PSO算法的离群点检测方法研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景 | 第8-10页 |
| ·离群点检测 | 第8-9页 |
| ·粒子群算法 | 第9-10页 |
| ·研究内容和创新点 | 第10-11页 |
| ·论文的组织结构 | 第11-12页 |
| 第二章 离群点检测问题及若干典型算法 | 第12-16页 |
| ·离群点检测的概念和意义 | 第12页 |
| ·几种典型的离群点检测算法 | 第12-14页 |
| ·基于统计分析的方法 | 第12-13页 |
| ·基于距离的方法 | 第13页 |
| ·基于密度的方法 | 第13页 |
| ·基于深度的方法 | 第13-14页 |
| ·离群点挖掘技术的研究热点 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第三章 粒子群算法基本思想 | 第16-22页 |
| ·粒子群算法基础 | 第16页 |
| ·粒子群算法工作流程 | 第16-17页 |
| ·粒子群算法的改进 | 第17-21页 |
| ·带惯性权重的PSO算法 | 第18-19页 |
| ·带收敛因子的PSO算法 | 第19页 |
| ·结合其他进化思想的PSO算法 | 第19-20页 |
| ·基于种群多样性的PSO算法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第四章 基于聚集粒子分散化的改进PSO算法 | 第22-41页 |
| ·引言 | 第22页 |
| ·CPD-PSO算法 | 第22-25页 |
| ·基于距离概念的粒子相似原则 | 第22-23页 |
| ·聚集微簇 | 第23-24页 |
| ·聚集微簇的扩散 | 第24-25页 |
| ·参与比较的几种典型的改进PSO算法 | 第25-29页 |
| ·基于耗散机制的算法DPSO算法 | 第25页 |
| ·协同粒子群优化算法CPSO | 第25-27页 |
| ·综合学习粒子群优化算法CLPSO | 第27-28页 |
| ·智能单粒子优化算法ISPO | 第28-29页 |
| ·基准测试函数 | 第29-31页 |
| ·实验结果与分析 | 第31-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 改进的PSO算法在离群点检测中的应用 | 第41-52页 |
| ·引言 | 第41页 |
| ·基于PSO的离群点检测 | 第41-42页 |
| ·存在的问题 | 第42-43页 |
| ·一种新的适应值函数及算法 | 第43-49页 |
| ·新的适应值函数定义 | 第43-45页 |
| ·outPSO~*算法流程 | 第45-46页 |
| ·实验结果与分析 | 第46-49页 |
| ·CPD-PSO算法在离群点检测中的应用 | 第49-51页 |
| ·算法调整 | 第49-50页 |
| ·实验结果与分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·本文工作总结 | 第52-53页 |
| ·研究展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 个人简历 | 第59-60页 |
| 在学期间研究成果及发表的学术论文 | 第60页 |
