| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 选题背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 不相似性度量研究 | 第10-11页 |
| 1.2.2 离群检测研究 | 第11-12页 |
| 1.2.3 聚类研究 | 第12-14页 |
| 1.3 研究目标 | 第14页 |
| 1.4 研究内容 | 第14-18页 |
| 2 相关概念与算法 | 第18-26页 |
| 2.1 离群检测算法概述及相关研究 | 第18-22页 |
| 2.1.1 离群点定义及分类 | 第18-19页 |
| 2.1.2 离群检测算法概述 | 第19-22页 |
| 2.1.3 离群检测评价标准 | 第22页 |
| 2.2 聚类算法概述及相关研究 | 第22-26页 |
| 2.2.1 聚类算法概述 | 第22-24页 |
| 2.2.2 聚类评价标准 | 第24-26页 |
| 3 基于连通性的不相似性度量研究 | 第26-42页 |
| 3.1 常用的不相似性/相似性度量简介 | 第26-28页 |
| 3.2 不相似性度量局限性分析 | 第28-29页 |
| 3.3 基于邻域的非对称不相似性度量 | 第29-32页 |
| 3.4 基于传递闭包的不相似性度量 | 第32-35页 |
| 3.5 基于最小生成树路径的不相似性度量 | 第35-40页 |
| 3.6 小结 | 第40-42页 |
| 4 基于连通性的离群检测研究 | 第42-68页 |
| 4.1 离群检测中存在的难题 | 第42-43页 |
| 4.2 基于传递闭包的离群检测算法 | 第43-53页 |
| 4.2.1 基于传递闭包的离群度定义 | 第43-46页 |
| 4.2.2 基于传递闭包的第 k 相似邻居离群检测算法 | 第46-47页 |
| 4.2.3 人造数据集实验 | 第47-49页 |
| 4.2.4 真实数据集实验 | 第49-51页 |
| 4.2.5 参数分析 | 第51-53页 |
| 4.3 基于最小生成树路径的离群检测算法 | 第53-67页 |
| 4.3.1 基于最小生成树路径的离群点定义 | 第53-55页 |
| 4.3.2 基于最小生成树路径的第 k 相似邻居离群检测算法 | 第55-57页 |
| 4.3.3 离群点检测实验与分析 | 第57-63页 |
| 4.3.4 空间离群点检测实验与分析 | 第63-67页 |
| 4.4 小结 | 第67-68页 |
| 5 基于连通性的聚类研究 | 第68-100页 |
| 5.1 聚类研究中存在的难题 | 第68-70页 |
| 5.2 基于连通性的 K 路划分模型及其划分算法 | 第70-93页 |
| 5.2.1 基于连通性的 k 路划分问题 | 第71-72页 |
| 5.2.2 连通性代价函数 | 第72-73页 |
| 5.2.3 基于连通性的 k 路划分问题的等价问题 | 第73-78页 |
| 5.2.4 k 路划分问题的解 | 第78-79页 |
| 5.2.5 k 路划分聚类算法 | 第79-83页 |
| 5.2.6 最优解验证 | 第83-84页 |
| 5.2.7 基于连通性的聚类算法的改进 | 第84-93页 |
| 5.3 实验 | 第93-99页 |
| 5.3.1 聚类对比实验 | 第93-95页 |
| 5.3.2 图像分割实验 | 第95-99页 |
| 5.4 小结 | 第99-100页 |
| 6 总结与展望 | 第100-102页 |
| 6.1 总结 | 第100页 |
| 6.2 展望 | 第100-102页 |
| 致谢 | 第102-104页 |
| 参考文献 | 第104-114页 |
| 附录 | 第114-124页 |
| A. 定理 5.1 证明 | 第114-124页 |
| B. 作者在攻读博士学位期间发表的论文目录 | 第124页 |
| C. 作者在攻读博士学位期间参加的科研项目 | 第124页 |
| D. 作者在攻读博士学位期间获奖情况 | 第124页 |
