序列数据挖掘的模型和算法研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·数据挖掘 | 第9-10页 |
| ·序列数据挖掘 | 第10-14页 |
| 2 基于序列挖掘的线性模型参数估计 | 第14-39页 |
| ·线性模型及在序列挖掘中的应用 | 第14-15页 |
| ·参数估计与数据诊断 | 第15-18页 |
| ·线性模型的参数估计 | 第15-16页 |
| ·异常挖掘与回归诊断 | 第16-18页 |
| ·基于异常挖掘的证券数据搜索算法 | 第18页 |
| ·参数估计的信息损失度量 | 第18-23页 |
| ·稳健性和信息损失 | 第19-20页 |
| ·估计精度研究的若干新结果 | 第20-23页 |
| ·非线性一致有偏估计 | 第23-31页 |
| ·引言 | 第24页 |
| ·UBE 的定义及若干性质 | 第24-26页 |
| ·NUBE 一致优于 LSE 的充分条件 | 第26-28页 |
| ·特例 | 第28-31页 |
| ·广义 Potthoff-Roy 估计 | 第31-39页 |
| ·引言 | 第31页 |
| ·Potthoff-Roy 估计的推广 | 第31-35页 |
| ·协变量和估计的改进 | 第35-36页 |
| ·岭型 Potthoff-Roy 估计 | 第36-39页 |
| 3 基于金融数据挖掘的可视化、聚类与异常 | 第39-50页 |
| ·引言 | 第39-40页 |
| ·数据的可视化和用于聚类的距离定义 | 第40-43页 |
| ·挖掘金融序列中的创新异常(IO) | 第43-48页 |
| ·传统时间序列的方法 | 第43-44页 |
| ·时间序列的线性化分段表示与局部线性模式挖掘 | 第44-46页 |
| ·用回归诊断挖掘创新异常 | 第46-48页 |
| ·同步异常关联集的挖掘 | 第48-49页 |
| ·结论 | 第49-50页 |
| 4 基于预测的序列异常数据挖掘 | 第50-59页 |
| 4 1 引 言 | 第50页 |
| ·基于自回归 AR 模型的挖掘算法 | 第50-55页 |
| ·引入 AR 模型的原因 | 第50页 |
| ·AR 模型介绍 | 第50页 |
| ·算法的设计过程 | 第50-55页 |
| ·算法的改进和精度的提高 | 第55-59页 |
| 5 基于不完全数据的异常挖掘算法研究 | 第59-69页 |
| ·混合缺失下的各种填充 | 第59-63页 |
| ·EM 算法 | 第59-62页 |
| ·MI 算法 | 第62页 |
| ·RE 算法 | 第62-63页 |
| ·填充效果检验 | 第63-64页 |
| ·向前挖掘算法与异常挖掘 | 第64-65页 |
| ·实例分析 | 第65-66页 |
| ·异常挖掘算法的改进 | 第66-69页 |
| 6 结论与展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 附: 1.作者在读博士期间发表论文目录 | 第77-79页 |
| 2 作者在读博士期间完成的项目 | 第78-79页 |
| 3 缩写符号说明表 | 第79页 |
