| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究内容及面临的挑战 | 第12-13页 |
| 1.3 本文贡献 | 第13页 |
| 1.4 本文组织结构 | 第13-16页 |
| 第2章 相关工作 | 第16-22页 |
| 2.1 不确定时间序列相似性 | 第16页 |
| 2.2 MUNICH方法 | 第16-18页 |
| 2.3 PROUD方法 | 第18-19页 |
| 2.4 DUST距离 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 背景知识与问题定义 | 第22-30页 |
| 3.1 时间序列距离 | 第22-23页 |
| 3.2 时间序列的DTW距离 | 第23-26页 |
| 3.3 DTW距离的改进算法 | 第26-27页 |
| 3.4 问题定义 | 第27-29页 |
| 3.4.1 不确定时间序列 | 第27-28页 |
| 3.4.2 不确定时间序列的分类 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 不确定时间序列的相似性度量 | 第30-40页 |
| 4.1 不确定数据的期望距离 | 第30-33页 |
| 4.1.1 期望距离的定义 | 第30-31页 |
| 4.1.2 期望距离的计算方法 | 第31-33页 |
| 4.2 不确定时间序列的相似度距离 | 第33-37页 |
| 4.2.1 不确定时间序列的Minkowski距离 | 第33-34页 |
| 4.2.2 不确定时间序列DTW距离 | 第34-37页 |
| 4.3 不确定时间序列的分类算法 | 第37-39页 |
| 4.3.1 不确定时间序列的分类算法 | 第37-38页 |
| 4.3.2 相似度函数的提前终止条件 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 改善分类效率的剪枝方法 | 第40-58页 |
| 5.1 DTW距离的下界函数 | 第40-55页 |
| 5.1.1 ULB_Kim下界函数 | 第42-45页 |
| 5.1.2 ULB_Yi下界函数 | 第45-47页 |
| 5.1.3 ULB_Keogh下界函数 | 第47-52页 |
| 5.1.4 ULB_HUST下界函数 | 第52-55页 |
| 5.2 不确定时间序列利用下界函数的分类算法 | 第55-56页 |
| 5.3 本章小结 | 第56-58页 |
| 第6章 实验与分析 | 第58-68页 |
| 6.1 实验设置 | 第58-59页 |
| 6.2 分类的正确性 | 第59-62页 |
| 6.3 下界函数的剪枝效果 | 第62-67页 |
| 6.4 本章小结 | 第67-68页 |
| 第7章 结束语 | 第68-70页 |
| 7.1 本文总结 | 第68-69页 |
| 7.2 工作展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 攻硕期间参加的项目及发表的论文 | 第76页 |