基于密度的职位可信度挖掘
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·欺诈检测方法现状 | 第9-10页 |
| ·离群点监测技术现状 | 第10-11页 |
| ·研究内容 | 第11页 |
| ·论文结构 | 第11-13页 |
| 第二章 相关理论和技术介绍 | 第13-24页 |
| ·数据挖掘概述 | 第13-17页 |
| ·数据挖掘过程 | 第13页 |
| ·数据预处理 | 第13-15页 |
| ·数据标准化方法 | 第15-16页 |
| ·数据挖掘常用方法 | 第16-17页 |
| ·离群点检测技术 | 第17-23页 |
| ·基于统计分布的离群点检测技术 | 第17-18页 |
| ·基于距离的离群点检测 | 第18-20页 |
| ·基于密度的局部离群点检测 | 第20页 |
| ·基于偏差的离群点检测 | 第20-21页 |
| ·基于聚类的离群点检测 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于密度的职位可信度检测模型 | 第24-30页 |
| ·背景介绍 | 第24页 |
| ·DBSCAN：基于密度的空间聚类算法 | 第24-27页 |
| ·DBSCAN 基本定义 | 第24-25页 |
| ·DBSCAN 算法 | 第25-27页 |
| ·LOF：局部离群点检测算法 | 第27-28页 |
| ·综合讨论 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 职位离群点检测的设计与实现 | 第30-36页 |
| ·系统开发工具和平台 | 第30页 |
| ·体系结构设计 | 第30页 |
| ·数据预处理模块 | 第30-34页 |
| ·数据准备 | 第30-31页 |
| ·数据处理 | 第31-34页 |
| ·实验方法 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 实验结果与分析 | 第36-43页 |
| ·系统的评估方法 | 第36-37页 |
| ·实际数据说明 | 第37页 |
| ·实验结果及分析 | 第37-42页 |
| ·DBSCAN 方法结果分析 | 第37-39页 |
| ·LOF 方法结果分析 | 第39-41页 |
| ·综合结果分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第六章 总结与展望 | 第43-44页 |
| ·本文总结 | 第43页 |
| ·不足与展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 在学期间发表论文清单 | 第47-48页 |
| 致谢 | 第48页 |
