时间序列数据挖掘相似性度量和周期模式挖掘研究
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-39页 |
| ·选题背景和研究意义 | 第11-13页 |
| ·数据挖掘综述 | 第13-18页 |
| ·数据库知识发现和数据挖掘比较及其发展过程 | 第13-15页 |
| ·数据挖掘的过程 | 第15页 |
| ·数据挖掘系统的分类 | 第15-17页 |
| ·数据挖掘的功能 | 第17-18页 |
| ·时间序列数据挖掘 | 第18-23页 |
| ·时间序列数据挖掘与传统时间序列分析 | 第18-20页 |
| ·时间序列数据挖掘的研究现状 | 第20-23页 |
| ·时间序列数据挖掘重新描述问题研究综述 | 第23-28页 |
| ·离散傅立叶变换 | 第24页 |
| ·离散小波变换 | 第24-25页 |
| ·奇异值分解算法 | 第25页 |
| ·分段描述算法 | 第25-26页 |
| ·界标模型 | 第26-27页 |
| ·字符串表示 | 第27页 |
| ·其他表示法 | 第27-28页 |
| ·时间序列数据挖掘相似性度量研究综述 | 第28-30页 |
| ·欧氏距离 | 第28-29页 |
| ·动态扭曲距离 | 第29页 |
| ·编辑距离 | 第29-30页 |
| ·时间序列周期模式挖掘进展综述 | 第30-35页 |
| ·周期模式分类 | 第30-31页 |
| ·部分周期模式研究 | 第31-34页 |
| ·潜在周期发现算法研究 | 第34页 |
| ·复杂模式生成算法研究 | 第34-35页 |
| ·本文的主要内容和创新点 | 第35-39页 |
| ·本文的主要内容 | 第35-37页 |
| ·本文的创新点 | 第37-39页 |
| 第二章 本文相关概念和算法介绍 | 第39-62页 |
| ·时间序列 | 第39-40页 |
| ·相似性度量 | 第40-47页 |
| ·欧氏距离 | 第40-41页 |
| ·动态时间扭曲距离 | 第41-43页 |
| ·分段线性表示 | 第43-46页 |
| ·模式距离 | 第46-47页 |
| ·时间序列周期模式挖掘的相关定义 | 第47-50页 |
| ·SMCA 算法 | 第50-54页 |
| ·问题定义 | 第51页 |
| ·SMCA 算法介绍 | 第51-54页 |
| ·最大子模式命中集算法 | 第54-61页 |
| ·类 Apriori 算法 | 第55-56页 |
| ·最大子模式命中集算法 | 第56-61页 |
| ·本章小结 | 第61-62页 |
| 第三章 基于形态的时间序列相似性度量研究 | 第62-79页 |
| ·引言 | 第62-64页 |
| ·基于形态的时间序列重新描述 | 第64-72页 |
| ·分段线性化和确定模式区分阈值 | 第64-65页 |
| ·规范化处理 | 第65-66页 |
| ·形态描述 | 第66-69页 |
| ·齐序列处理 | 第69-72页 |
| ·时间序列的形态距离 | 第72页 |
| ·仿真实验 | 第72-78页 |
| ·人工合成数据 | 第73-74页 |
| ·股票时间序列 | 第74-78页 |
| ·本章小结 | 第78-79页 |
| 第四章 局部分段动态时间扭曲算法研究 | 第79-94页 |
| ·引言 | 第79-82页 |
| ·经典的DTW 算法 | 第82-83页 |
| ·局部动态时间扭曲(LSDTW)算法 | 第83-89页 |
| ·分段线性化 | 第84-85页 |
| ·任意两段之间DTW 距离的计算规律 | 第85-87页 |
| ·任意两段之间DTW 距离的计算公式 | 第87-88页 |
| ·局部分段动态时间扭曲(LSDTW)距离公式 | 第88-89页 |
| ·仿真试验 | 第89-93页 |
| ·人工数据库 | 第89-90页 |
| ·实际数据库 | 第90页 |
| ·仿真结果 | 第90-93页 |
| ·本章小结 | 第93-94页 |
| 第五章 时间序列异步周期模式挖掘算法研究 | 第94-117页 |
| ·引言 | 第94-96页 |
| ·相关概念定义 | 第96-98页 |
| ·1-模式挖掘算法 | 第98-107页 |
| ·映射算法 | 第98-100页 |
| ·改进的点乘算法 | 第100-102页 |
| ·潜在周期检测算法 | 第102-104页 |
| ·1-模式生成算法 | 第104-107页 |
| ·算法比较 | 第107-111页 |
| ·位置序列生成算法比较 | 第107-109页 |
| ·潜在周期发现算法比较 | 第109-110页 |
| ·有效段生成算法比较 | 第110-111页 |
| ·仿真试验 | 第111-116页 |
| ·人工数据 | 第111-114页 |
| ·实际数据 | 第114-116页 |
| ·本章小结 | 第116-117页 |
| 第六章 时间序列局部周期频繁模式挖掘算法研究 | 第117-140页 |
| ·引言 | 第117-120页 |
| ·相关概念定义 | 第120-123页 |
| ·局部周期频繁模式挖掘算法 | 第123-136页 |
| ·局部剪切算法 | 第123-127页 |
| ·潜在周期生成算法 | 第127-132页 |
| ·局部周期频繁段发现算法 | 第132-133页 |
| ·复杂模式生成算法 | 第133-136页 |
| ·仿真实验 | 第136-139页 |
| ·人工数据 | 第136-137页 |
| ·实际数据 | 第137-139页 |
| ·本章小结 | 第139-140页 |
| 第七章 总结与展望 | 第140-143页 |
| ·全文总结 | 第140-141页 |
| ·研究前景与展望 | 第141-143页 |
| 参考文献 | 第143-159页 |
| 发表论文和参加科研情况说明 | 第159-160页 |
| 致谢 | 第160页 |
