| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 课题研究现状 | 第11-13页 |
| 1.3 隐马尔科夫模型应用 | 第13页 |
| 1.4 研究工作 | 第13-14页 |
| 1.5 论文安排 | 第14-16页 |
| 第二章 隐马尔科夫模型在QAR数据中应用分析 | 第16-23页 |
| 2.1 隐马尔科夫模型 | 第16-20页 |
| 2.1.1 基本概念 | 第16-18页 |
| 2.1.2 基本算法 | 第18-20页 |
| 2.2 隐马尔可夫模型在QAR数据分析中的应用研究 | 第20-22页 |
| 2.2.1 可行性分析 | 第20-21页 |
| 2.2.2 应用存在难点 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 QAR数据线性分段表示 | 第23-31页 |
| 3.1 QAR数据特点 | 第23页 |
| 3.2 时间序列分析 | 第23-24页 |
| 3.3 时间序列的线性分段表示在QAR数据中的应用研究 | 第24-28页 |
| 3.3.1 局部算法 | 第25-27页 |
| 3.3.2 全局算法 | 第27页 |
| 3.3.3 基于固定分段数的自底向上（BU）线性分段算法 | 第27-28页 |
| 3.4 实验分析 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于聚类的隐马尔可夫模型 | 第31-37页 |
| 4.1 QAR数据模式表示 | 第31-32页 |
| 4.2 广度优先邻居搜索聚类 | 第32-34页 |
| 4.2.1 算法相关定义 | 第32-33页 |
| 4.2.2 算法思路与实现 | 第33-34页 |
| 4.2.3 算法的优点和局限性 | 第34页 |
| 4.3 改进的广度优先邻居搜索聚类 | 第34-35页 |
| 4.4 数据符号化 | 第35-36页 |
| 4.5 QAR数据的隐马尔可夫模型 | 第36页 |
| 4.6 本章小结 | 第36-37页 |
| 第五章 QAR数据的状态趋势分析 | 第37-47页 |
| 5.1 数据预处理 | 第37-38页 |
| 5.2 QAR数据聚类 | 第38-41页 |
| 5.3 模型建立与趋势分析 | 第41-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 全文总结 | 第47-48页 |
| 6.2 展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 作者简介 | 第54页 |
