| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文的研究内容 | 第10-11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 2 离群检测概述 | 第12-24页 |
| 2.1 离群点概述 | 第12-15页 |
| 2.1.1 离群点定义 | 第12-13页 |
| 2.1.2 离群点产生原因 | 第13-14页 |
| 2.1.3 离群点种类 | 第14-15页 |
| 2.2 传统离群检测算法介绍 | 第15-20页 |
| 2.2.1 基于统计的离群检测算法 | 第16页 |
| 2.2.2 基于深度的离群检测算法 | 第16-17页 |
| 2.2.3 基于距离的离群检测算法 | 第17-18页 |
| 2.2.4 基于密度的离群检测算法 | 第18-19页 |
| 2.2.5 基于聚类的离群检测算法 | 第19-20页 |
| 2.3 离群检测算法的评价指标 | 第20-21页 |
| 2.4 离群检测热点方向 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 多视角离群检测相关知识 | 第24-41页 |
| 3.1 谱聚类 | 第24-33页 |
| 3.1.1 相似度图 | 第24-25页 |
| 3.1.2 拉普拉斯矩阵 | 第25-26页 |
| 3.1.3 图划分准则 | 第26-27页 |
| 3.1.4 谱聚类算法 | 第27-30页 |
| 3.1.5 谱聚类在实际应用中的指导原则 | 第30-33页 |
| 3.2 HSIC | 第33-36页 |
| 3.2.1 知识准备 | 第33-35页 |
| 3.2.2 Hilbert-Schmidt独立性准则 | 第35-36页 |
| 3.3 多视角聚类算法 | 第36-41页 |
| 3.3.1 基于数据变换的多视角聚类 | 第38页 |
| 3.3.2 基于目标函数的多视角聚类算法 | 第38-39页 |
| 3.3.3 多视角离群点的集成问题 | 第39-41页 |
| 4 基于多视角聚类的离群检测算法 | 第41-47页 |
| 4.1 基本思路 | 第41-42页 |
| 4.2 相关定义 | 第42-43页 |
| 4.3 高质量与谱聚类 | 第43-44页 |
| 4.4 无冗余多视角与HSIC | 第44-45页 |
| 4.5 多视角离群点集成 | 第45-46页 |
| 4.6 KDAC整体算法流程 | 第46页 |
| 4.7 本章小结 | 第46-47页 |
| 5 实验和分析 | 第47-52页 |
| 5.1 谱聚类在模拟数据集中的效果 | 第47-48页 |
| 5.2 KDAC在真实数据集效果 | 第48-49页 |
| 5.2.1 Yeast data set | 第48-49页 |
| 5.2.2 KDD-Cup 1999数据集 | 第49页 |
| 5.3 输入参数对算法的影响 | 第49-51页 |
| 5.4 本章小结 | 第51-52页 |
| 6 总结 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |