经营系统中的时间序列分析
| 摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 目录 | 第4-6页 |
| 第一章 引言 | 第6-9页 |
| ·数据挖掘 | 第6页 |
| ·时间序列的数据挖掘 | 第6-7页 |
| ·什么是时间序列 | 第6页 |
| ·时间序列分析技术概念: | 第6-7页 |
| ·论文的主要工作 | 第7-8页 |
| ·时间序列分析的几种方法的讨论 | 第7页 |
| ·时间序列聚类分析 | 第7-8页 |
| ·实际应用系统的构建 | 第8页 |
| ·论文的组织 | 第8-9页 |
| 第二章 时间序列分析 | 第9-12页 |
| ·时间序列的基本成分 | 第9页 |
| ·分析时间序列的趋势: | 第9页 |
| ·分析时间序列的季节性: | 第9-12页 |
| 第三章 几种时间序列分析技术 | 第12-26页 |
| ·ARIMA自回归综合移动平均数模型: | 第12-16页 |
| ·原理 | 第12-14页 |
| ·模型确定: | 第14页 |
| ·参数估算 | 第14-15页 |
| ·模型评估 | 第15-16页 |
| ·中断的时间序列自回归综合移动平均数预测: | 第16页 |
| ·指数平滑: | 第16-20页 |
| ·简单指数平滑 | 第16-17页 |
| ·不正确指数(误差) | 第17-18页 |
| ·带有或不带趋势的季节和非季节模型。 | 第18-20页 |
| ·X-11普查方式1(典型季节性分解) | 第20-23页 |
| ·通用模型 | 第20-21页 |
| ·分析过程 | 第21-23页 |
| ·X-11普查方式2(季节性调整) | 第23-24页 |
| ·功能改进 | 第23页 |
| ·通过X-11方式计算得到的结果表格 | 第23-24页 |
| ·分布式延迟分析介绍 | 第24-26页 |
| ·常规目的 | 第24页 |
| ·通用模型 | 第24-26页 |
| 第四章 时间序列的聚类分析 | 第26-38页 |
| ·特征提取 | 第26-29页 |
| ·静态特征 | 第26-27页 |
| ·利用预测模型对时间序列的特征抽取 | 第27-29页 |
| ·聚类分析 | 第29-38页 |
| ·K-平均方法 | 第29-30页 |
| ·K-中心点方法 | 第30-31页 |
| ·神经网络方法 | 第31-32页 |
| ·支持向量聚类算法 | 第32-36页 |
| ·聚类算法的选择 | 第36-38页 |
| 第五章 应用系统构建 | 第38-55页 |
| ·背景 | 第38页 |
| ·系统总体结构 | 第38-45页 |
| ·数据库结构 | 第38-45页 |
| ·时间序列的分析 | 第45-49页 |
| ·对时间序列进行聚类 | 第49-55页 |
| 第六章 结束语 | 第55-56页 |
| ·论文工作总结 | 第55页 |
| ·进一步工作 | 第55-56页 |
| 参考文献 | 第56-57页 |
| 发表文章目录 | 第57-58页 |
| 致谢 | 第58页 |
