基于随机特征采样的时间序列分类算法的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究的目的和意义 | 第9-11页 |
| 1.1.1 课题来源 | 第9页 |
| 1.1.2 研究的背景及意义 | 第9-11页 |
| 1.2 国内外在该方向的研究现状及分析 | 第11-14页 |
| 1.2.1 时间序列表示方法的研究 | 第11-12页 |
| 1.2.2 机器学习分类算法的研究 | 第12-13页 |
| 1.2.3 时间序列分类算法的研究 | 第13-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 论文内容及结构 | 第15-17页 |
| 第2章 特征采样算法的设计与分析 | 第17-29页 |
| 2.1 引言 | 第17-19页 |
| 2.2 时间序列分类问题定义以及基本操作 | 第19页 |
| 2.3 预处理 | 第19-20页 |
| 2.4 特征采样算法 | 第20-25页 |
| 2.4.1 简单随机特征采样 | 第20-22页 |
| 2.4.2 等时间间隔特征采样 | 第22-23页 |
| 2.4.3 分段随机特征采样 | 第23-25页 |
| 2.4.4 特征采样方法分析 | 第25页 |
| 2.5 实验分析 | 第25-27页 |
| 2.5.1 实验环境及相关数据介绍 | 第25-26页 |
| 2.5.2 特征采样算法对比 | 第26-27页 |
| 2.5.3 特征采样算法时间 | 第27页 |
| 2.6 本章小结 | 第27-29页 |
| 第3章 分类器的设计与实现 | 第29-44页 |
| 3.1 分类算法概述 | 第29-30页 |
| 3.2 模型的整体流程 | 第30页 |
| 3.3 分类器设计 | 第30-33页 |
| 3.4 参数确定 | 第33-35页 |
| 3.5 实验分析 | 第35-39页 |
| 3.5.1 实验环境及相关数据介绍 | 第35页 |
| 3.5.2 参数对于准确率的影响 | 第35-37页 |
| 3.5.3 算法的运行时间对比 | 第37页 |
| 3.5.4 算法的分类效果对比 | 第37-39页 |
| 3.5.5 实验结果分析 | 第39页 |
| 3.6 增量学习 | 第39-40页 |
| 3.7 扩展算法-相似时间序列搜索 | 第40-42页 |
| 3.7.1 SFSF算法设计 | 第40-41页 |
| 3.7.2 SFSF实验结果 | 第41-42页 |
| 3.8 本章小结 | 第42-44页 |
| 第4章 SFSC并行化算法的研究与实现 | 第44-64页 |
| 4.1 并行化算法相关介绍 | 第44-45页 |
| 4.2 时间序列的近似表示 | 第45-48页 |
| 4.3 SFSC_MR算法的总体设计 | 第48-49页 |
| 4.4 SFSC_MR算法的具体设计 | 第49-56页 |
| 4.4.1 预处理过程 | 第50-55页 |
| 4.4.2 查询阶段 | 第55-56页 |
| 4.5 SFSC_MR算法的分析 | 第56-57页 |
| 4.5.1 负载均衡 | 第57页 |
| 4.5.2 通信代价 | 第57页 |
| 4.6 SFSC_MR算法的实验结果 | 第57-60页 |
| 4.6.1 实验环境及相关数据介绍 | 第58页 |
| 4.6.2 准确率实验 | 第58-59页 |
| 4.6.3 运行时间 | 第59-60页 |
| 4.7 并行化算法的扩展 | 第60-63页 |
| 4.8 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第69-71页 |
| 致谢 | 第71页 |
