| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 引言 | 第9-14页 |
| ·研究背景和意义 | 第9-10页 |
| ·离群点分析的研究现状 | 第10-11页 |
| ·本文主要工作和论文的组织结构 | 第11-14页 |
| 第二章 数据挖掘和离群点挖掘概述 | 第14-27页 |
| ·数据挖掘 | 第14-16页 |
| ·数据挖掘的提出 | 第14-15页 |
| ·数据挖掘的功能 | 第15-16页 |
| ·数据挖掘的发展前景 | 第16页 |
| ·离群点挖掘 | 第16-19页 |
| ·离群点的提出及定义 | 第17页 |
| ·离群点挖掘的内容 | 第17-18页 |
| ·离群点挖掘的应用 | 第18-19页 |
| ·离群点检测算法介绍 | 第19-23页 |
| ·基于统计的离群点检测算法 | 第19-20页 |
| ·基于距离的离群点检测算法 | 第20页 |
| ·基于密度的离群点检测算法 | 第20-21页 |
| ·基于深度的离群点检测算法 | 第21页 |
| ·基于偏离的离群点检测算法 | 第21页 |
| ·空间离群点检测算法 | 第21-22页 |
| ·高维离群点检测算法 | 第22-23页 |
| ·离群点检测算法总结 | 第23-24页 |
| ·离群点分析的研究内容 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于距离和的离群点检测算法 | 第27-36页 |
| ·距离的度量 | 第27-28页 |
| ·数据的标准化 | 第28-29页 |
| ·基于距离离群点检测算法介绍 | 第29-30页 |
| ·基于距离离群点检测算法的优缺点 | 第30页 |
| ·基于距离和的离群点检测算法 | 第30-32页 |
| ·实验分析 | 第32-33页 |
| ·选用基于距离和的离群点检测算法的原因 | 第33页 |
| ·分析离群点的原因和出发点 | 第33-34页 |
| ·分析离群点的原因 | 第33-34页 |
| ·分析离群点的出发点 | 第34页 |
| ·本章小结 | 第34-36页 |
| 第四章 基于距离的离群点知识集发现算法 | 第36-59页 |
| ·离群点知识集基础知识 | 第36-40页 |
| ·选择离群点知识集的原因 | 第37-38页 |
| ·离群点知识集的相关概念和性质 | 第38-40页 |
| ·离群点知识集发现算法 | 第40-45页 |
| ·Mine-Knowledge-Set的算法思想和缺点 | 第41-42页 |
| ·算法 FindKnowledgeSet | 第42-44页 |
| ·算法比较 | 第44-45页 |
| ·强/弱离群点 | 第45-47页 |
| ·属性格 | 第47-48页 |
| ·算法 FindKnowledgeSet的适用环境 | 第48-49页 |
| ·实验测试及分析 | 第49-53页 |
| ·小数据分析 | 第49-51页 |
| ·NHL实验数据分析 | 第51-52页 |
| ·算法性能分析 | 第52-53页 |
| ·实验结果分析 | 第53-55页 |
| ·挖掘结果的合理性分析 | 第53-54页 |
| ·离群点知识集的应用需求分析 | 第54-55页 |
| ·FindKnowledgeSet应用于大型数据集的改进 | 第55-58页 |
| ·抽样技术 | 第55-56页 |
| ·抽样后算法性能变化 | 第56-57页 |
| ·实例分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 离群相似模式挖掘 | 第59-71页 |
| ·属性角色划分 | 第59-61页 |
| ·相似性分析 | 第61-64页 |
| ·分类相似性和行为相似性 | 第61-63页 |
| ·举例分析 | 第63-64页 |
| ·离群模式的提出 | 第64-69页 |
| ·离群模式的相似性分析 | 第65页 |
| ·相似性举例分析 | 第65-67页 |
| ·离群相似模式挖掘方法 | 第67-68页 |
| ·离群相似模式挖掘举例 | 第68-69页 |
| ·本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| ·工作总结 | 第71-72页 |
| ·需进一步研究的工作 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间发表的论文与参与课题 | 第78页 |
