| 中文摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 数据挖掘 | 第7-9页 |
| 1.1.1 基本概念和挖掘过程 | 第7-8页 |
| 1.1.2 主要研究内容 | 第8-9页 |
| 1.2 离群数据 | 第9-13页 |
| 1.2.1 传统离群数据挖掘方法 | 第10-11页 |
| 1.2.2 子空间与离群数据 | 第11-13页 |
| 1.2.3 离群数据并行挖掘 | 第13页 |
| 1.3 研究目标与论文结构 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 论文组织 | 第14-15页 |
| 第二章 高斯混合模型和并行计算框架 | 第15-21页 |
| 2.1 相关子空间 | 第15页 |
| 2.2 高斯混合模型 | 第15-18页 |
| 2.3 Spark分布式计算框架 | 第18-20页 |
| 2.4 小结 | 第20-21页 |
| 第三章 基于高斯混合模型的相关子空间离群数据挖掘算法 | 第21-31页 |
| 3.1 引言 | 第21页 |
| 3.2 稀疏度 | 第21-22页 |
| 3.3 高斯混合模型与相关子空间 | 第22-23页 |
| 3.4 离群值 | 第23-24页 |
| 3.5 RSGMM算法描述 | 第24-26页 |
| 3.6 实验结果及分析 | 第26-30页 |
| 3.6.1 人工数据集 | 第26-29页 |
| 3.6.2 UCI数据集 | 第29-30页 |
| 3.7 小结 | 第30-31页 |
| 第四章 基于高斯混合模型的相关子空间离群数据并行挖掘算法 | 第31-39页 |
| 4.1 引言 | 第31页 |
| 4.2 RSGMM算法的并行化分析 | 第31-33页 |
| 4.3 算法描述 | 第33-35页 |
| 4.4 实验结果与分析 | 第35-38页 |
| 4.4.1 近邻数K对算法效率的影响 | 第36页 |
| 4.4.2 属性维度对算法效率的影响 | 第36-37页 |
| 4.4.3 数据量算法效率的影响 | 第37-38页 |
| 4.4.4 节点数对算法效率的影响 | 第38页 |
| 4.5 小结 | 第38-39页 |
| 第五章 总结与展望 | 第39-41页 |
| 5.1 总结 | 第39页 |
| 5.2 展望 | 第39-41页 |
| 参考文献 | 第41-47页 |
| 致谢 | 第47-49页 |
| 攻读学位期间发表的学术论文目录 | 第49页 |