| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-11页 |
| 1.1.1 研究目的及意义 | 第9-10页 |
| 1.1.2 国内外研究现状 | 第10-11页 |
| 1.2 研究内容 | 第11-13页 |
| 1.2.1 本文工作 | 第11-12页 |
| 1.2.2 文章结构 | 第12-13页 |
| 1.3 本章总结 | 第13-14页 |
| 第二章 相关工作进展 | 第14-20页 |
| 2.1 数据挖掘 | 第14-16页 |
| 2.1.1 数据挖掘概述 | 第14-15页 |
| 2.1.2 数据挖掘的功能 | 第15-16页 |
| 2.2 时间序列数据挖掘 | 第16-19页 |
| 2.2.1 时间序列数据挖掘的发展 | 第16-17页 |
| 2.2.2 多维时间序列的降维处理 | 第17-18页 |
| 2.2.3 多维时间序列的相似性查询 | 第18-19页 |
| 2.3 本章总结 | 第19-20页 |
| 第三章 多维时间序列的模式表示 | 第20-34页 |
| 3.1 相关定义 | 第20-22页 |
| 3.1.1 时间序列 | 第20-21页 |
| 3.1.2 多维时间序列的分段线性表示 | 第21页 |
| 3.1.3 多维时间序列分段线性表示的拟合误差 | 第21-22页 |
| 3.1.4 多维时间序列分段线性表示的压缩率 | 第22页 |
| 3.2 算法描述 | 第22-27页 |
| 3.2.1 算法分析 | 第22-23页 |
| 3.2.2 多维时间序列的形态特征变化趋势 | 第23-25页 |
| 3.2.3 算法实现 | 第25-27页 |
| 3.3 实验数据及结果分析 | 第27-32页 |
| 3.3.1 实验数据 | 第27-29页 |
| 3.3.2 实验方法 | 第29页 |
| 3.3.3 实验结果和分析 | 第29-31页 |
| 3.3.4 算法适用范围分析 | 第31-32页 |
| 3.4 本章总结 | 第32-34页 |
| 第四章 基于DTW的相似性度量方法 | 第34-42页 |
| 4.1 相关定义 | 第34-36页 |
| 4.1.1 欧氏距离 | 第34页 |
| 4.1.2 动态时间弯曲距离 | 第34-35页 |
| 4.1.3 k近邻算法 | 第35-36页 |
| 4.2 算法描述 | 第36-38页 |
| 4.2.1 算法分析 | 第36-37页 |
| 4.2.2 算法实现 | 第37-38页 |
| 4.3 实验结果及分析 | 第38-41页 |
| 4.3.1 实验数据 | 第38页 |
| 4.3.2 实验方法 | 第38-39页 |
| 4.3.3 实验结果及分析 | 第39-41页 |
| 4.4 本章总结 | 第41-42页 |
| 第五章 基于时间序列相似性查询的原型系统及应用 | 第42-54页 |
| 5.1 时间序列相似性查询原型系统架构设计 | 第42-43页 |
| 5.1.1 时间序列原型系统设计基础 | 第42页 |
| 5.1.2 时间序列原型系统设计主要技术 | 第42-43页 |
| 5.1.3 时间序列原型系统功能结构 | 第43页 |
| 5.2 多维时间序列模式表示模块 | 第43-45页 |
| 5.2.1 基于PAA的分段线性表示 | 第44页 |
| 5.2.2 基于拟合误差的PAA分段线性表示算法 | 第44-45页 |
| 5.3 多维时间序列相似度查询模块 | 第45-47页 |
| 5.3.1 基于DTW距离的相似性度量算法 | 第46页 |
| 5.3.2 基于TD距离时间序列相似性度量查询算法 | 第46-47页 |
| 5.3.3 基于SA DTW距离时间序列相似性度量查询算法 | 第47页 |
| 5.4 多维时间序列相似性查询算法的运用 | 第47-50页 |
| 5.4.1 时间序列相似性查询在手机端的实现 | 第47-48页 |
| 5.4.2 时间序列相似性查询在PC端的实现 | 第48-50页 |
| 5.5 原型系统在桌面助手中的应用 | 第50-52页 |
| 5.5.1 桌面助手系统结构设计 | 第50-51页 |
| 5.5.2 桌面助手的实现与展示 | 第51-52页 |
| 5.6 本章总结 | 第52-54页 |
| 第六章 总结和展望 | 第54-56页 |
| 6.1 主要结论 | 第54-55页 |
| 6.2 研究展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 在学期间的研究成果 | 第60-61页 |
| 致谢 | 第61页 |