声明
第1章 绪 论
1.1 课题背景及研究的目的和意义
1.2 国内外研究现状
(1) 基于局部密度的方法
(2) 基于聚类的方法
1.3 本文研究的主要内容
1.4 本文的组织结构
第2章 离群点检测技术
2.1 离群点定义
2.2 离群点产生的原因
(1) 数据测量或者操作的错误导致
(2) 数据源自不同的类别
(3) 数据本身的可变性或者弹性所致
(4) 研究对象受到各种非正常的偶然因素引起的
2.3 离群点的分类
2.3.1 全局离群点
2.3.2 情景离群点
2.3.3 集体离群点
2.4 离群点检测方法
2.4.1 局部密度的离群点检测算法
2.4.2 聚类的离群点检测算法
2.4.3 分类的离群点检测算法
2.5 离群点检测算法的评估标准
2.6 本章小结
第3章 基于聚类离群因子的离群点检测算法
3.1 引言
3.2 基于密度峰值快速搜索聚类的离群点检测算法
3.3 相互邻居搜索算法
3.3.1 相互邻居搜索算法思想
3.3.2 相互邻居搜索算法描述
3.4 基于聚类离群因子的离群点检测算法
3.4.1 基于聚类离群因子的离群点检测算法思想
3.4.2 相关定义
3.4.3 算法描述
3.5 正确性和复杂性分析
(1) 正确性分析
(2) 时间复杂度分析
3.6 本章小结
第4章 基于唯一最近邻居集的离群点检测算法
4.1 引言
4.2 基于唯一最近邻居集和密度聚类的离群点检测算法
4.2.1 基本概念
4.2.2 算法流程
4.3 基于唯一最近邻邻居集的离群点检测算法
4.3.1 基于唯一最近邻居集的离群点检测算法思想
4.2.2 基于唯一最近邻居集的离群点检测算法描述
4.3 算法分析
(2) 时间复杂度分析
4.4 本章小结
第5章 实验设计与结果分析
5.1 实验环境配置
5.2 实验数据来源
5.3 基于聚类离群因子的离群点检测算法COF的实验结果
5.3.1 COF算法在模拟数据集下的实验结果
5.3.2 COF算法在真实数据集下的实验结果
5.4 基于唯一最近邻居集的离群点检测算法IPIDC的实验结果
5.4.1 IPIDC算法在模拟数据集下的实验结果
5.4.2 IPIDC算法在真实数据集下的实验结果
5.5 本章小结
结论
参考文献
攻读硕士期间承担的科研任务与取得的主要研究成果
致谢
燕山大学;
