| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第13-31页 |
| 1.1 课题背景及研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-26页 |
| 1.2.1 离群点挖掘方法 | 第15-21页 |
| 1.2.2 粒计算理论 | 第21-26页 |
| 1.3 主要研究内容 | 第26-27页 |
| 1.4 论文组织结构 | 第27-31页 |
| 第2章 基于特征加权半监督聚类粒化的离群点挖掘方法 | 第31-55页 |
| 2.1 引言 | 第31-32页 |
| 2.2 模糊粒 | 第32-33页 |
| 2.3 可能性C-均值聚类 | 第33-34页 |
| 2.4 SSOD-FW方法 | 第34-43页 |
| 2.4.1 半监督指示矩阵的建立 | 第34-35页 |
| 2.4.2 特征加权距离 | 第35-37页 |
| 2.4.3 模型建立 | 第37-38页 |
| 2.4.4 模型求解 | 第38-40页 |
| 2.4.5 收敛性证明 | 第40-42页 |
| 2.4.6 粒结构下的离群点确定方法 | 第42-43页 |
| 2.4.7 算法描述及时间复杂度分析 | 第43页 |
| 2.5 实验及分析 | 第43-53页 |
| 2.5.1 评价方法 | 第44页 |
| 2.5.2 模拟数据集 | 第44-48页 |
| 2.5.3 UCI数据集 | 第48-53页 |
| 2.6 本章小结 | 第53-55页 |
| 第3章 基于单簇核PCM的SVDD离群点挖掘 | 第55-71页 |
| 3.1 引言 | 第55-56页 |
| 3.2 SVDD基本理论 | 第56-57页 |
| 3.3 基于单簇核PCM的SVDD离群点挖掘方法 | 第57-62页 |
| 3.3.1 基于单簇核PCM聚类的粒化 | 第58-60页 |
| 3.3.2 OCP-SVDD模型 | 第60-62页 |
| 3.4 实验及分析 | 第62-69页 |
| 3.4.1 评价方法 | 第62-63页 |
| 3.4.2 模拟数据集 | 第63-65页 |
| 3.4.3 UCI数据集 | 第65-69页 |
| 3.5 本章小结 | 第69-71页 |
| 第4章 基于流形距离的模糊粒一类支持向量机离群点挖掘 | 第71-87页 |
| 4.1 引言 | 第71-72页 |
| 4.2 一类支持向量机理论 | 第72-73页 |
| 4.3 基于流形距离的模糊粒一类支持向量机离群点挖掘 | 第73-78页 |
| 4.3.1 流形距离 | 第74-75页 |
| 4.3.2 流形距离下训练集的模糊粒表示 | 第75-77页 |
| 4.3.3 基于流形距离的模糊粒一类支持向量机 | 第77-78页 |
| 4.4 实验及分析 | 第78-86页 |
| 4.4.1 模拟数据集 | 第79-81页 |
| 4.4.2 UCI数据集 | 第81-82页 |
| 4.4.3 化学工业过程故障检测 | 第82-86页 |
| 4.5 本章小结 | 第86-87页 |
| 第5章 离群点挖掘的多粒度邻域群决策方法 | 第87-113页 |
| 5.1 引言 | 第87-88页 |
| 5.2 群决策理论 | 第88-90页 |
| 5.3 多粒度邻域模型 | 第90-91页 |
| 5.3.1 邻域粒 | 第90页 |
| 5.3.2 多粒度邻域层次模型 | 第90-91页 |
| 5.4 多粒度邻域层次框架下的离群特征 | 第91-96页 |
| 5.4.1 增长率 | 第91-92页 |
| 5.4.2 邻域偏移度 | 第92-93页 |
| 5.4.3 粒密度 | 第93-94页 |
| 5.4.4 示例分析 | 第94-96页 |
| 5.5 基于群决策的多粒度决策融合 | 第96-102页 |
| 5.5.1 问题描述 | 第96-97页 |
| 5.5.2 一致性群决策离群点挖掘方法 | 第97-102页 |
| 5.6 实验及分析 | 第102-110页 |
| 5.6.1 参数设置 | 第102-103页 |
| 5.6.2 模拟数据集 | 第103-107页 |
| 5.6.3 UCI数据集 | 第107-109页 |
| 5.6.4 网络入侵检测 | 第109-110页 |
| 5.7 本章小结 | 第110-113页 |
| 结论 | 第113-115页 |
| 参考文献 | 第115-129页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第129-131页 |
| 致谢 | 第131页 |
