| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·研究背景及意义 | 第9-10页 |
| ·数据密集型计算环境下数据挖掘概述 | 第10-11页 |
| ·数据密集型计算环境下数据的表现形式与特点 | 第10-11页 |
| ·对数据密集型计算环境下数据挖掘进行深入研究的原因 | 第11页 |
| ·数据密集型计算环境下数据挖掘的研究现状 | 第11-15页 |
| ·聚类挖掘 | 第12-13页 |
| ·分类挖掘 | 第13-14页 |
| ·频繁项集挖掘 | 第14-15页 |
| ·离群点挖掘 | 第15页 |
| ·本文的主要创新点 | 第15-16页 |
| ·本文的主要内容及组织结构 | 第16-17页 |
| ·本章小结 | 第17-19页 |
| 第二章 离群点挖掘算法 | 第19-31页 |
| ·离群点挖掘概述 | 第19-21页 |
| ·由正常及非正常对象实例进行离群点检测的专家标记模型 | 第19-20页 |
| ·对离群点和其余数据进行假设的方法 | 第20-21页 |
| ·传统数据中离群点挖掘算法 | 第21-26页 |
| ·基于统计学算法 | 第21-23页 |
| ·基于邻近性算法 | 第23-24页 |
| ·基于聚类的算法 | 第24-26页 |
| ·数据流离群点挖掘算法 | 第26-29页 |
| ·改进的 First Known 算法 | 第26-28页 |
| ·FODDS 算法 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第三章 一种数据密集型计算环境下的离群点挖掘算法 | 第31-43页 |
| ·相关定义 | 第31页 |
| ·数据密集型计算环境下的离群点挖掘算法 | 第31-36页 |
| ·构建集群环境 | 第32-33页 |
| ·网格算法 | 第33-35页 |
| ·LOF 算法 | 第35-36页 |
| ·MR_LOF 算法 | 第36-38页 |
| ·MR_DBScan 算法 | 第38-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 实验及结果分析 | 第43-49页 |
| ·实验环境 | 第43页 |
| ·实验测试所用数据集 | 第43-44页 |
| ·MR_LOF 算法的性能测试 | 第44-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 总结及展望 | 第49-51页 |
| ·总结 | 第49-50页 |
| ·展望 | 第50-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间公开发表的论文及科研情况 | 第57页 |