| 摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 引言 | 第6-8页 |
| 第一章 相关技术 | 第8-24页 |
| ·数据挖掘概述 | 第8-10页 |
| ·数据挖掘方法分类 | 第8-10页 |
| ·数据挖掘的主要研究问题 | 第10页 |
| ·聚类分析算法概述 | 第10-19页 |
| ·数据挖掘对聚类典型要求 | 第11-13页 |
| ·典型聚类算法 | 第13-19页 |
| ·层次聚类方法 | 第13-15页 |
| ·划分聚类方法 | 第15-17页 |
| ·基于密度的聚类方法 | 第17-18页 |
| ·基于网格的聚类方法 | 第18-19页 |
| ·聚类算法小结 | 第19页 |
| ·孤立点检测算法概述 | 第19-23页 |
| ·孤立点的概念 | 第19-20页 |
| ·典型的孤立点检测算法 | 第20-23页 |
| ·基于距离的孤立点检测算法 | 第20-22页 |
| ·基于密度的孤立点检测算法 | 第22-23页 |
| ·孤立点检测小结 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第二章 一种优化的基于网格的聚类算法 | 第24-42页 |
| ·相关工作 | 第24-25页 |
| ·相关概念 | 第25-26页 |
| ·基于CD-Tree 的聚类算法 | 第26-27页 |
| ·基于CD-Tree 的聚类算法性能优化 | 第27-32页 |
| ·分支结点数据点总数剪枝策略 | 第28-31页 |
| ·分支结点数据对象个数最大值剪枝策略 | 第31-32页 |
| ·实验分析 | 第32-40页 |
| ·CDT 与CL 的比较 | 第33-34页 |
| ·基于CD-Tree 的算法性能比较 | 第34-38页 |
| ·剪枝算法的适用性分析 | 第38-39页 |
| ·二维数据的聚类结果 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第三章 一种可发现多密度层次的聚类与孤立点检测算法 | 第42-50页 |
| ·引言 | 第42-43页 |
| ·相关概念 | 第43-44页 |
| ·算法原理 | 第44-46页 |
| ·多层次密度类发现 | 第44-45页 |
| ·算法过程 | 第45-46页 |
| ·实验分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 聚类与孤立点检测子系统的设计与实现 | 第50-62页 |
| ·引言 | 第50-51页 |
| ·数据挖掘系统ScopeMiner | 第51-53页 |
| ·聚类与孤立点检测子系统设计 | 第53-54页 |
| ·聚类与孤立点检测子系统的实现 | 第54-57页 |
| ·基于网格聚类算法子模块的实现 | 第54-56页 |
| ·基于密度的聚类算法子模块实现 | 第56-57页 |
| ·网络入侵检测数据集的聚类 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 发表文章目录 | 第66-67页 |
| 致谢 | 第67页 |