| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第7-13页 |
| 1.1 非线性时间序列降噪的意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 基于线性降维的降噪算法 | 第8-10页 |
| 1.2.2 基于流形学习的降噪算法 | 第10-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 第二章 相空间重构降噪算法的统一框架 | 第13-39页 |
| 2.1 基本定义 | 第14-15页 |
| 2.2 主流形识别 | 第15-34页 |
| 2.2.1 线性降维算法 | 第16-29页 |
| 2.2.2 非线性降维算法 | 第29-34页 |
| 2.3 基于主分量分析的降噪算法符合提出的统一框架 | 第34-37页 |
| 2.4 本章小结 | 第37-39页 |
| 第三章 嵌入维数自适应选取的全局奇异值分解降噪算法 | 第39-46页 |
| 3.1 最佳降噪嵌入时间的选取 | 第39-40页 |
| 3.2 最佳降噪嵌入维数的选取 | 第40-43页 |
| 3.3 嵌入维数自适应选取的全局奇异值分解降噪算法 | 第43-44页 |
| 3.4 数据仿真 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 总结与展望 | 第46-48页 |
| 4.1 总结 | 第46页 |
| 4.2 展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士期间发表论文情况 | 第52-53页 |
| 详细摘要 | 第53-57页 |
