多元时间序列关联挖掘算法研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的主要工作与创新点 | 第13页 |
| 1.4 本论文的结构安排 | 第13-15页 |
| 第二章 相关理论概述 | 第15-30页 |
| 2.1 时间序列模式表示 | 第15-17页 |
| 2.2 时间序列相似度度量 | 第17-19页 |
| 2.3 聚类算法概述 | 第19-25页 |
| 2.3.1 K-means聚类算法 | 第19-20页 |
| 2.3.2 DBSCAN聚类算法 | 第20-21页 |
| 2.3.3 Single-Pass聚类算法 | 第21-22页 |
| 2.3.4 基于密度峰值的聚类算法 | 第22-25页 |
| 2.4 关联规则挖掘算法概述 | 第25-29页 |
| 2.4.1 关联规则定义 | 第25-26页 |
| 2.4.2 Apriori算法 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 时间序列预处理 | 第30-43页 |
| 3.1 方案整体框架 | 第30-31页 |
| 3.2 时间序列线段模式拟合 | 第31-35页 |
| 3.2.1 相关概念定义 | 第31-32页 |
| 3.2.2 自底向上线段拟合算法 | 第32-35页 |
| 3.3 基于密度峰值的时间序列异常模式清洗 | 第35-38页 |
| 3.3.1 相似度计算 | 第36-37页 |
| 3.3.2 异常模式清洗 | 第37-38页 |
| 3.4 时间序列符号化 | 第38-42页 |
| 3.4.1 相似度计算 | 第39页 |
| 3.4.2 时间序列聚类 | 第39-40页 |
| 3.4.3 符号化表示 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 多元时间序列关联挖掘 | 第43-57页 |
| 4.1 问题描述 | 第43-44页 |
| 4.2 基于时间约束的多元时间序列关联挖掘算法 | 第44-55页 |
| 4.2.1 频繁模式树定义 | 第45页 |
| 4.2.2 频繁模式树构建 | 第45-48页 |
| 4.2.3 频繁模式树剪枝 | 第48-51页 |
| 4.2.4 频繁模式树扩展 | 第51-54页 |
| 4.2.5 规则输出 | 第54-55页 |
| 4.3 本章小结 | 第55-57页 |
| 第五章 实验结果分析 | 第57-71页 |
| 5.1 时间序列异常模式清洗实验结果分析 | 第57-61页 |
| 5.1.1 Ma仿真数据集 | 第57-59页 |
| 5.1.2 Yahoo用户行为数据集 | 第59-60页 |
| 5.1.3 股票数据集 | 第60-61页 |
| 5.2 时间序列聚类实验结果分析 | 第61-63页 |
| 5.3 多元时间序列关联挖掘实验结果分析 | 第63-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 全文总结与展望 | 第71-73页 |
| 6.1 全文总结 | 第71页 |
| 6.2 后续工作展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻读硕士学位期间取得的成果 | 第77-78页 |
