| Abstract | 第4页 |
| 摘要 | 第5-6页 |
| TABLE OF CONTENTS | 第6-8页 |
| Liste of Figures | 第8-9页 |
| Chapter 1: Introduction | 第9-16页 |
| 1.1. General definitions | 第10-12页 |
| 1.2. Practical applications | 第12-13页 |
| 1.3. Clustering and outlier detection | 第13-14页 |
| 1.4 Purposed method | 第14页 |
| 1.5. Organization of the thesis | 第14-16页 |
| Chapter 2: Outlier Detection Methods | 第16-24页 |
| 2.1 Distance-based approach | 第17-20页 |
| 2.1.1 Definition | 第17-19页 |
| 2.1.2 Aunified notion of outliers | 第19-20页 |
| 2.2 Distribution-based approach | 第20-21页 |
| 2.2.1 Neural Network-based | 第20-21页 |
| 2.3 Density-based approach | 第21-24页 |
| 2.3.1 LOF Method | 第21-23页 |
| 2.3.2 INFLO Method | 第23-24页 |
| Chapter 3: Clustering | 第24-29页 |
| 3.1. Clustering problems | 第25-26页 |
| 3.1.1. Clustering Evaluation | 第25-26页 |
| 3.1.2. Number of cluster | 第26页 |
| 3.2. Partitioning Clustering Methods | 第26-27页 |
| 3.3. Hierarchical clustering | 第27-28页 |
| 3.4. Density-based clustering | 第28页 |
| 3.5. Grid-based clustering | 第28-29页 |
| Chapter 4:Proposed Method | 第29-37页 |
| Chapter 5:Experimental Results | 第37-53页 |
| 5.1 Results of our evaluation | 第38页 |
| 5.2 Experiments with simulation data | 第38-43页 |
| 5.3 Experiments with Network intrusion detection data | 第43-51页 |
| 5.4 Comparison with existing methods | 第51-53页 |
| Chapter 6:Conclusion & Future work | 第53-55页 |
| REFERENCES | 第55-61页 |
| Acknowledgements | 第61页 |
