| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·数据挖掘技术及其主要任务 | 第8-9页 |
| ·时间序列数据挖掘技术概述 | 第9-10页 |
| ·高维时间序列数据挖掘技术概述 | 第10-11页 |
| ·本文工作及组织结构 | 第11-13页 |
| 2 时间序列国内外相关研究介绍 | 第13-18页 |
| ·时间序列的表示以及相似性检索的研究现状 | 第13-15页 |
| ·时间序列模式分析的研究现状 | 第15-16页 |
| ·高维时间序列相关问题的研究现状 | 第16-18页 |
| 3 时间序列研究的相关技术 | 第18-33页 |
| ·相关定义 | 第18页 |
| ·相似性度量方法 | 第18-23页 |
| ·欧几里德距离(Euclidean Distance) | 第18页 |
| ·动态时间弯曲距离(Dynamic Time Warping Distance) | 第18-20页 |
| ·动态时间弯曲距离Keogh下界距离 | 第20-21页 |
| ·最长公共子序列距离(Longest Common Subsequence Distance) | 第21-23页 |
| ·相似性变换方法 | 第23-29页 |
| ·分段线性近似(PCA) | 第23-24页 |
| ·其他线性分段算法 | 第24-25页 |
| ·离散傅立叶变换(DFT) | 第25-26页 |
| ·离散小波变换(DWT) | 第26页 |
| ·地标(Land Mark) | 第26-27页 |
| ·奇异值分解(SVD) | 第27-28页 |
| ·独立分量分析(ICA) | 第28-29页 |
| ·高维索引技术 | 第29-33页 |
| ·R-Tree | 第29-32页 |
| ·R~*-Tree | 第32-33页 |
| 4 基于相关性降维和支持向量机分类的高维时间序列快速检索算法 | 第33-47页 |
| ·相关定义及知识 | 第33-39页 |
| ·人体运动描述模型 | 第33-34页 |
| ·人体运动能量模型的定义 | 第34-36页 |
| ·人体运动协调性模型的定义 | 第36-38页 |
| ·支持向量机 | 第38-39页 |
| ·人体运动序列的快速检索算法 | 第39-41页 |
| ·基于多类支持向量机的粗分类算法 | 第39-40页 |
| ·基于DTW索引下界的精确检索算法 | 第40-41页 |
| ·检索算法的相关实验验证 | 第41-47页 |
| ·人体运动协调性模型有效性验证 | 第41-44页 |
| ·人体运动检索算法有效性验证 | 第44-47页 |
| 5 基于最长公共子序列距离的快速主旨模式算法 | 第47-56页 |
| ·相关定义及知识 | 第47-49页 |
| ·相关定义 | 第47-48页 |
| ·相关知识 | 第48-49页 |
| ·快速主旨模式挖掘算法 | 第49-52页 |
| ·相关定理证明 | 第49-50页 |
| ·算法的基本思想 | 第50-51页 |
| ·算法描述 | 第51-52页 |
| ·主旨模式挖掘算法的相关实验验证 | 第52-56页 |
| ·算法运行有效性实验 | 第52-54页 |
| ·噪声下鲁棒性实验 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-64页 |
