数据挖掘技术的研究及应用--基于模式相似性的时间序列数据库查询
| 第一章 绪论 | 第1-22页 |
| 1．1 研究背景及意义 | 第12-13页 |
| 1．2 研究现状 | 第13-19页 |
| 1．2．1 相似性距离研究 | 第13-14页 |
| 1．2．2 索引方法的研究 | 第14-16页 |
| 1．2．3 目前相似性挖掘的局限性 | 第16-18页 |
| 1．2．4 序列的模式查询 | 第18-19页 |
| 1．3 本文工作 | 第19-22页 |
| 1．3．1 研究内容和研究成果 | 第19-20页 |
| 1．3．2 本文的组织结构 | 第20-22页 |
| 第二章 序列模式的相似性 | 第22-33页 |
| 2．1 序列的模式相似性 | 第22-29页 |
| 2．1．1 基于模式的序列相似性 | 第22-23页 |
| 2．1．2 顺序映射 | 第23-25页 |
| 2．1．3 相似性距离的选择 | 第25-27页 |
| 2．1．4 时间序列的变换方法 | 第27-29页 |
| 2．2 序列查询的过程 | 第29-32页 |
| 2．2．1 时间序列的预处理 | 第29-30页 |
| 2．2．2 序列查询结果的评估 | 第30-32页 |
| 2．3 小结 | 第32-33页 |
| 第三章 序列的子段化和噪声处理 | 第33-44页 |
| 3．1 序列的子段化表示 | 第33-39页 |
| 3．1．1 序列变换的意义 | 第33-34页 |
| 3．1．2 相关工作和分析 | 第34-35页 |
| 3．1．3 PKT方法 | 第35-39页 |
| 3．1．3．1 显著点 | 第35-36页 |
| 3．1．3．2 误差控制 | 第36-37页 |
| 3．1．3．3 基于极值点的分割 | 第37-38页 |
| 3．1．3．4 与滑窗方法的对比 | 第38-39页 |
| 3．1．3．5 算法分析 | 第39页 |
| 3．2 序列数据的噪声处理 | 第39-43页 |
| 3．2．1 小波变换 | 第39-40页 |
| 3．2．2 噪声过滤方法的对比 | 第40-42页 |
| 3．2．3 噪声对序列子段划分的影响 | 第42-43页 |
| 3．3 小结 | 第43-44页 |
| 第四章 全序列相似性查询 | 第44-64页 |
| 4．1 相关工作 | 第44-45页 |
| 4．2 基于模式的序列相似性 | 第45-54页 |
| 4．2．1 序列的规范化处理 | 第45-47页 |
| 4．2．2 序列模式对齐 | 第47-50页 |
| 4．2．3 序列的模糊相似性距离 | 第50-52页 |
| 4．2．4 基于子段的序列匹配方法 | 第52-54页 |
| 4．3 序列的查询处理 | 第54-58页 |
| 4．3．1 抽样过滤的序列查询方法 | 第55页 |
| 4．3．2 抽样计算距离的分布 | 第55-56页 |
| 4．3．3 距离查询 | 第56-57页 |
| 4．3．4 k-最邻近查询 | 第57-58页 |
| 4．3．5 讨论 | 第58页 |
| 4．4 实验结果 | 第58-63页 |
| 4．4．1 抽样对相似性计算的影响 | 第58-61页 |
| 4．4．2 查询效率的对比 | 第61-63页 |
| 4．5 小结 | 第63-64页 |
| 第五章 子序列查询 | 第64-80页 |
| 5．1 相关工作 | 第64页 |
| 5．2 基于模式的子序列相似性 | 第64-71页 |
| 5．2．1 DTW_∞距离 | 第65-66页 |
| 5．2．2 子段的DTW_∞距离 | 第66-69页 |
| 5．2．3 规范化和相对序列 | 第69-71页 |
| 5．3 序列的索引 | 第71-72页 |
| 5．3．1 后缀树索引 | 第71页 |
| 5．3．2 子段特征值的分类 | 第71-72页 |
| 5．3．3 后缀树的改进 | 第72页 |
| 5．4 查询过程 | 第72-74页 |
| 5．4．1 子序列查询的形式 | 第72-73页 |
| 5．4．2 子序列查询算法 | 第73页 |
| 5．4．3 后缀树搜索 | 第73-74页 |
| 5．5 实验结果 | 第74-79页 |
| 5．5．1 子序列的模式查询结果 | 第74-76页 |
| 5．5．2 数据库的多粒度查询 | 第76-77页 |
| 5．4．3 存储效率和查询效率 | 第77-79页 |
| 5．6 子序列查询的限定 | 第79页 |
| 5．7 小结 | 第79-80页 |
| 第六章 序列的聚类和基于簇的查询 | 第80-98页 |
| 6．1 时间序列的聚类 | 第80-92页 |
| 6．1．1 时间序列聚类的特点 | 第80-81页 |
| 6．1．2 相关工作及分析 | 第81-82页 |
| 6．1．3 时间序列聚类方法 | 第82-89页 |
| 6．1．3．1 簇的表示 | 第83页 |
| 6．1．3．2 簇间距离 | 第83-85页 |
| 6．1．3．3 簇的初始化 | 第85页 |
| 6．1．3．4 聚类算法描述 | 第85-86页 |
| 6．1．3．5 聚类的质量 | 第86-89页 |
| 6．1．4 聚类的实验结果 | 第89-92页 |
| 6．2 基于簇的序列查询 | 第92-97页 |
| 6．2．1 多层次的簇索引结构 | 第92-93页 |
| 6．2．2 序列的分类 | 第93-94页 |
| 6．2．3 基于簇的距离查询 | 第94-95页 |
| 6．2．4 基于簇的k最邻近查询 | 第95页 |
| 6．2．5 实验结果 | 第95-97页 |
| 6．2．6 讨论 | 第97页 |
| 6．3 小结 | 第97-98页 |
| 第七章 原型系统的设计和实现 | 第98-104页 |
| 7．1 体系结构 | 第98-99页 |
| 7．1．1 总体特征 | 第98-99页 |
| 7．1．2 模块结构 | 第99页 |
| 7．2 查询服务器的实现 | 第99-101页 |
| 7．2．1 查询服务器的功能 | 第99-100页 |
| 7．2．2 查询服务器模块结构 | 第100-101页 |
| 7．3 索引文件维护模块 | 第101-103页 |
| 7．3．1 通信模块 | 第101-102页 |
| 7．3．2 索引数据生成模块 | 第102-103页 |
| 7．4 客户程序 | 第103页 |
| 7．5 小结 | 第103-104页 |
| 第八章 结论与展望 | 第104-106页 |
| 致谢 | 第106-107页 |
| 主要参考文献 | 第107-120页 |
| 作者在学期间从事科研工作及发表论文情况 | 第120页 |
