数据挖掘在时间序列分析中的研究和应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 引言 | 第8-13页 |
| ·课题的研究背景和意义 | 第8-9页 |
| ·国内外研究现状综述 | 第9-11页 |
| ·本文的主要研究内容 | 第11-12页 |
| ·论文的结构 | 第12页 |
| ·本章小结 | 第12-13页 |
| 第二章 数据挖掘的基本理论 | 第13-24页 |
| ·数据挖掘的定义和分类 | 第13页 |
| ·数据挖掘的方法和作用 | 第13-16页 |
| ·数据挖掘的方法 | 第13-14页 |
| ·数据挖掘的作用 | 第14-16页 |
| ·数据挖掘的实施步骤 | 第16-17页 |
| ·决策树算法概述 | 第17-23页 |
| ·ID3算法 | 第18-20页 |
| ·C4.5算法 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 数理统计方法在时间序列挖掘中的应用 | 第24-37页 |
| ·时间序列的基本概念 | 第24页 |
| ·时间序列的传统分析方法 | 第24-27页 |
| ·基本分析和技术分析方法 | 第25页 |
| ·数理统计方法 | 第25-26页 |
| ·时间序列的数据挖掘方法 | 第26-27页 |
| ·数理统计方法与数据挖掘技术的结合 | 第27-32页 |
| ·利用分段回归对时间序列进行维简约 | 第28-29页 |
| ·对基于分段回归的维约简数据进行相似性查找 | 第29-32页 |
| ·实证研究 | 第32-36页 |
| ·获得初始数据 | 第32-33页 |
| ·对初始数据进行分段回归的维约简预处理 | 第33-34页 |
| ·构造相关性分析所需变量 | 第34-35页 |
| ·计算和检验 | 第35-36页 |
| ·结果分析 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第四章 改进的PSO算法生成决策树的模型研究 | 第37-43页 |
| ·标准PSO算法 | 第37-38页 |
| ·改进PSO算法 | 第38-39页 |
| ·改进PSO算法生成决策树的模型研究 | 第39-42页 |
| ·问题分析及准备工作 | 第39-40页 |
| ·生成决策树模型的建立与求解 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 结论 | 第43-45页 |
| ·本文工作总结 | 第43页 |
| ·今后的工作 | 第43-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-47页 |
