| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 时间序列的定义和分类 | 第8页 |
| 1.2.2 时间序列分割研究现状 | 第8-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 隐马尔可夫模型 | 第13-25页 |
| 2.1 HMM的定义 | 第13-14页 |
| 2.2 HMM的分类 | 第14-17页 |
| 2.3 HMM的三个基本问题及解决方法 | 第17-23页 |
| 2.3.1 评估问题及前向、后向算法 | 第17-20页 |
| 2.3.2 解码问题及Viterbi算法 | 第20-21页 |
| 2.3.3 训练问题及Baum-Welch算法 | 第21-23页 |
| 2.4 基于HMM的时间序列分割 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于一种约束HMM的变点检测算法 | 第25-40页 |
| 3.1 约束HMM | 第25-26页 |
| 3.2 结合状态最短连续长度约束的HMM | 第26-29页 |
| 3.3 约束HMM的三个基本问题及解决方法 | 第29-33页 |
| 3.3.1 评估问题 | 第29页 |
| 3.3.2 解码问题 | 第29-31页 |
| 3.3.3 参数重估问题 | 第31-33页 |
| 3.4 基于约束HMM的时间序列分割 | 第33-36页 |
| 3.4.1 模型初始化 | 第33-34页 |
| 3.4.2 约束HMM的训练 | 第34页 |
| 3.4.3 基于约束HMM的时间序列分割模型的建立 | 第34-36页 |
| 3.5 仿真数据分析 | 第36-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 基于约束HMM的时间序列分割应用研究 | 第40-53页 |
| 4.1 Hamilton美国GNP数据分析 | 第40-45页 |
| 4.1.1 GNP数据处理 | 第40-41页 |
| 4.1.2 基于约束HMM的经济周期检测 | 第41-45页 |
| 4.1.3 经济周期检测结果分析 | 第45页 |
| 4.2 韶关市1951-2013年年降水量数据分析 | 第45-52页 |
| 4.2.1 韶关市水文气候状况 | 第46-47页 |
| 4.2.2 降水量数据处理 | 第47-49页 |
| 4.2.3 基于约束HMM的水文周期检测 | 第49-51页 |
| 4.2.4 水文周期检测结果分析 | 第51-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第五章 基于约束HMM的聚类数目估计 | 第53-64页 |
| 5.1 聚类分析 | 第53-54页 |
| 5.2 一致性聚类 | 第54-59页 |
| 5.2.1 基于K-Means的一致性聚类 | 第54-55页 |
| 5.2.2 一致矩阵 | 第55-56页 |
| 5.2.3 一致矩阵的数据分布 | 第56-59页 |
| 5.3 基于约束HMM的一致矩阵评估 | 第59-62页 |
| 5.3.1 一致矩阵的求值算法 | 第59-60页 |
| 5.3.2 模型初始化和训练 | 第60-62页 |
| 5.3.3 约束Viterbi状态序列提取和应用 | 第62页 |
| 5.4 实验 | 第62-63页 |
| 5.5 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 个人简历 | 第72-73页 |
| 在学期间的研究成果及发表的学术论文 | 第73页 |