| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和现状 | 第9-13页 |
| 1.2 本文研究内容 | 第13-14页 |
| 1.3 论文安排 | 第14-15页 |
| 第二章 基本概念及相关研究工作现状 | 第15-24页 |
| 2.1 离群点概述 | 第15-17页 |
| 2.1.1 离群点概念 | 第15页 |
| 2.1.2 离群点的类型 | 第15-16页 |
| 2.1.3 离群点的应用 | 第16-17页 |
| 2.2 离群点检测算法分类 | 第17-21页 |
| 2.2.1 基于统计的离群检测方法 | 第17-18页 |
| 2.2.2 基于聚类的离群检测方法 | 第18-19页 |
| 2.2.3 基于分类的离群检测方法 | 第19页 |
| 2.2.4 基于信息论的离群检测方法 | 第19-20页 |
| 2.2.5 基于距离的离群检测方法 | 第20-21页 |
| 2.2.6 基于密度的离群检测方法 | 第21页 |
| 2.3 离群点检测评价指标 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 一种基于聚类的离群点检测方法研究 | 第24-32页 |
| 3.1 快速搜索密度峰值聚类算法 | 第24-26页 |
| 3.1.1 算法思想 | 第24-25页 |
| 3.1.2 聚类过程 | 第25-26页 |
| 3.2 基于密度峰值聚类的离群点检测算法 | 第26-27页 |
| 3.3 算法描述 | 第27页 |
| 3.4 实验结果及分析 | 第27-31页 |
| 3.4.1 在人工合成数据集上的实验结果分析 | 第27-29页 |
| 3.4.2 在真实数据集上的实验结果分析 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 一种基于密度的离群点检测方法研究 | 第32-42页 |
| 4.1 基于密度的局部离群点检测算法介绍 | 第32-34页 |
| 4.2 基于反向近邻密度的离群点检测算法 | 第34-37页 |
| 4.2.1 “朋友关系”模型的引入 | 第35页 |
| 4.2.2 基于反向近邻密度的离群点检测算法 | 第35-36页 |
| 4.2.3 算法描述 | 第36-37页 |
| 4.3 实验结果及分析 | 第37-41页 |
| 4.3.1 实验数据集 | 第37-38页 |
| 4.3.2 在人工合成数据集上的实验结果分析 | 第38-40页 |
| 4.3.3 在真实数据集上的实验结果分析 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 基于PageRank的数据加权离群点检测方法研究 | 第42-51页 |
| 5.1 PageRank算法的基本原理 | 第42-45页 |
| 5.1.1 PageRank算法介绍 | 第42-43页 |
| 5.1.2 算法原理 | 第43-45页 |
| 5.2 基于PageRank的数据加权离群点检测算法 | 第45-46页 |
| 5.3 算法描述 | 第46页 |
| 5.4 实验结果及分析 | 第46-50页 |
| 5.4.1 实验数据集 | 第46-47页 |
| 5.4.2 在人工合成数据集上的实验结果分析 | 第47-49页 |
| 5.4.3 在真实数据集上的实验结果分析 | 第49-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 在学期间的研究成果 | 第57-58页 |
| 致谢 | 第58页 |