| 致谢 | 第4-5页 |
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 绪论 | 第10-32页 |
| 1.1 研究背景及意义 | 第11-19页 |
| 1.1.1 时间序列的相似性研究 | 第11-12页 |
| 1.1.2 时间序列的预测 | 第12-14页 |
| 1.1.3 脑卒中研究 | 第14-17页 |
| 1.1.4 城市轨道交通客流分析 | 第17-19页 |
| 1.2 国内外研究现状 | 第19-30页 |
| 1.2.1 时间序列相似性研究现状 | 第19-22页 |
| 1.2.2 时间序列预测研究现状 | 第22-24页 |
| 1.2.3 脑卒中证候研究现状 | 第24-26页 |
| 1.2.4 脑卒中脑电数据研究现状 | 第26-27页 |
| 1.2.5 城市轨道交通客流数据研究现状 | 第27-30页 |
| 1.3 主要工作与文章组织结构 | 第30-32页 |
| 2 脑卒中布尔时间序列的预后关联分析 | 第32-44页 |
| 2.1 研究动机 | 第32-33页 |
| 2.2 问题描述 | 第33页 |
| 2.3 布尔时间序列关联规则挖掘算法 | 第33-37页 |
| 2.3.1 算法思想 | 第33-34页 |
| 2.3.2 算法步骤 | 第34页 |
| 2.3.3 与经典算法的区别 | 第34-37页 |
| 2.3.4 与经典算法的联系 | 第37页 |
| 2.4 实例验证 | 第37-43页 |
| 2.4.1 数据集描述 | 第37-38页 |
| 2.4.2 评价指标 | 第38-39页 |
| 2.4.3 实验 | 第39-42页 |
| 2.4.4 参数分析 | 第42-43页 |
| 2.5 本章小结 | 第43-44页 |
| 3 脑卒中脑电时间序列数据的对称性分析 | 第44-60页 |
| 3.1 问题提出 | 第47页 |
| 3.2 脑电时间序列信号的预处理 | 第47-48页 |
| 3.3 脑电时间序列的对称相似度 | 第48-51页 |
| 3.3.1 基本思想 | 第49页 |
| 3.3.2 基本定义 | 第49-50页 |
| 3.3.3 说明 | 第50-51页 |
| 3.3.4 基本性质 | 第51页 |
| 3.4 正常脑电与异常脑卒中脑电诊断判别方法 | 第51-52页 |
| 3.5 脑卒中预后诊断判别方法 | 第52-53页 |
| 3.6 实例验证 | 第53-59页 |
| 3.6.1 数据集描述 | 第53页 |
| 3.6.2 其它医学指标 | 第53-54页 |
| 3.6.3 基本概念及评价指标 | 第54-55页 |
| 3.6.4 实验 | 第55-59页 |
| 3.7 本章小结 | 第59-60页 |
| 4 脑卒中脑电时间序列的病灶位置分区分析方法 | 第60-78页 |
| 4.1 问题提出 | 第60页 |
| 4.2 病灶位置分区 | 第60-61页 |
| 4.3 脑卒中脑电时间序列病灶位置分区分析算法 | 第61-63页 |
| 4.3.1 算法思想 | 第61-62页 |
| 4.3.2 算法步骤 | 第62-63页 |
| 4.4 相关特征分析 | 第63-75页 |
| 4.4.1 数据集描述 | 第63-64页 |
| 4.4.2 脑电对称性特征 | 第64-66页 |
| 4.4.3 频带特征 | 第66-69页 |
| 4.4.4 非线性特征 | 第69-74页 |
| 4.4.5 相位同步特征 | 第74-75页 |
| 4.5 实例验证 | 第75-77页 |
| 4.5.1 数据集描述 | 第75-76页 |
| 4.5.2 实验 | 第76-77页 |
| 4.6 本章小结 | 第77-78页 |
| 5 轨道交通客流时间序列分析 | 第78-108页 |
| 5.1 问题提出 | 第78-79页 |
| 5.2 相关说明 | 第79-81页 |
| 5.2.1 数据集描述 | 第79-80页 |
| 5.2.2 符号说明 | 第80-81页 |
| 5.3 轨道交通客流时间序列的相似性 | 第81-93页 |
| 5.3.1 基本思想 | 第81-84页 |
| 5.3.2 基本定义 | 第84-85页 |
| 5.3.3 基本性质 | 第85-86页 |
| 5.3.4 轨道交通客流量的日相似性分析 | 第86-93页 |
| 5.4 轨道交通客流时间序列的重复性分析 | 第93-94页 |
| 5.5 轨道交通客流量相似模式 | 第94-98页 |
| 5.6 基于相似模式的轨道交通客流时间序列长期预测算法 | 第98-108页 |
| 5.6.1 基本思想 | 第98-99页 |
| 5.6.2 算法步骤 | 第99-100页 |
| 5.6.3 算法说明 | 第100-101页 |
| 5.6.4 实例验证 | 第101-105页 |
| 5.6.5 本章小结 | 第105-108页 |
| 6 总结与展望 | 第108-112页 |
| 6.1 总结 | 第108-109页 |
| 6.2 展望 | 第109-112页 |
| 参考文献 | 第112-120页 |
| 作者简历 | 第120-124页 |
| 学位论文数据集 | 第124页 |