异构信息网络中的离群点检测研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要研究内容和安排 | 第11-13页 |
| 1.3.1 主要研究内容 | 第11页 |
| 1.3.2 结构安排 | 第11-13页 |
| 第二章 相关概念及技术介绍 | 第13-24页 |
| 2.1 异构信息网络 | 第13-16页 |
| 2.1.1 网络模型 | 第13-14页 |
| 2.1.2 元路径 | 第14-15页 |
| 2.1.3 关联节点 | 第15-16页 |
| 2.2 信息网络中的离群点检测 | 第16-20页 |
| 2.2.1 平面网络中的离群点检测 | 第16-18页 |
| 2.2.2 属性网络中的离群点检测 | 第18-19页 |
| 2.2.3 异构信息网络中的离群点检测 | 第19-20页 |
| 2.3 聚类 | 第20-22页 |
| 2.3.1 聚类技术简介 | 第21-22页 |
| 2.3.2 吸引子传播聚类算法 | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 关联关系离群的节点检测算法 | 第24-31页 |
| 3.1 问题定义 | 第24-25页 |
| 3.2 查询语言框架 | 第25-27页 |
| 3.3 离群点检测算法CBOut | 第27-29页 |
| 3.3.1 算法概述 | 第27页 |
| 3.3.2 相似度矩阵的计算 | 第27-28页 |
| 3.3.3 聚类过程 | 第28-29页 |
| 3.3.4 离群点的判定 | 第29页 |
| 3.4 本章小结 | 第29-31页 |
| 第四章 单一度量条件下节点间相似度量 | 第31-44页 |
| 4.1 概述 | 第31页 |
| 4.2 相似度量 | 第31-33页 |
| 4.2.1 关联节点的属性权重 | 第31-32页 |
| 4.2.2 节点间相似度量 | 第32页 |
| 4.2.3 节点自相似度 | 第32-33页 |
| 4.3 性能优化 | 第33-35页 |
| 4.3.1 基本思路 | 第33-34页 |
| 4.3.2 关联节点特征向量 | 第34页 |
| 4.3.3 基于长度的置换策略 | 第34-35页 |
| 4.4 实验分析 | 第35-43页 |
| 4.4.1 模拟数据有效性验证 | 第35-39页 |
| 4.4.2 实际数据有效性验证 | 第39-41页 |
| 4.4.3 优化策略性能验证 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 复杂度量条件下节点间相似度量 | 第44-60页 |
| 5.1 概述 | 第44-45页 |
| 5.2 相似度量 | 第45-46页 |
| 5.2.1 单元路径多属性 | 第45页 |
| 5.2.2 多元路径“单”属性 | 第45-46页 |
| 5.2.3 多元路径多属性 | 第46页 |
| 5.2.4 偏好权重的设置 | 第46页 |
| 5.3 偏好权重的自适应调整 | 第46-51页 |
| 5.3.1 概述 | 第46-47页 |
| 5.3.2 目标函数 | 第47-48页 |
| 5.3.3 初值设置 | 第48-49页 |
| 5.3.4 自适应调整 | 第49-51页 |
| 5.4 实验分析 | 第51-59页 |
| 5.4.1 实验设置 | 第51-52页 |
| 5.4.2 目标函数 | 第52-54页 |
| 5.4.3 自适应调整过程 | 第54-57页 |
| 5.4.4 案例分析 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结和展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
