摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第8-18页 |
1.1 课题背景及研究的目的和意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-16页 |
1.2.1 卫星遥测数据分析研究现状 | 第9-11页 |
1.2.2 时间序列相似性度量方法概述 | 第11-13页 |
1.2.3 时间序列相似性度量方法研究现状 | 第13-16页 |
1.3 本文研究内容与结构 | 第16-18页 |
第2章 时间序列相似性度量方法研究 | 第18-40页 |
2.1 卫星遥测数据特性分析 | 第18-23页 |
2.1.1 卫星遥测数据总体分析 | 第18页 |
2.1.2 实际卫星遥测数据分析 | 第18-20页 |
2.1.3 卫星遥测数据分段 | 第20-23页 |
2.2 时间序列相似性度量方法 | 第23-28页 |
2.2.1 马氏距离 | 第23-24页 |
2.2.2 DTW距离 | 第24-25页 |
2.2.3 夹角距离 | 第25-27页 |
2.2.4 改进灰色关联度 | 第27-28页 |
2.3 时间序列相似性度量方法验证 | 第28-39页 |
2.3.1 单维时间序列相似性度量方法验证 | 第28-35页 |
2.3.2 多维时间序列相似性度量方法验证 | 第35-38页 |
2.3.3 卫星遥测数据相似性度量方法应用分析 | 第38-39页 |
2.4 本章小结 | 第39-40页 |
第3章 基于异常检测的相似性度量方法性能评估 | 第40-58页 |
3.1 基本概念 | 第40-41页 |
3.1.1 时间序列异常检测概述 | 第40-41页 |
3.1.2 卫星遥测数据异常情况 | 第41页 |
3.2 基于时间序列相似性度量的异常检测算法 | 第41-47页 |
3.2.1 基于层次聚类和KNN分类的异常检测方法框架 | 第42-43页 |
3.2.2 基于时间序列相似性度量方法的层次聚类 | 第43-44页 |
3.2.3 基于时间序列相似性度量方法的KNN分类 | 第44-46页 |
3.2.4 卫星遥测数据异常检测框架 | 第46-47页 |
3.3 单维时间序列异常检测应用 | 第47-54页 |
3.3.1 卫星遥测异常数据仿真生成 | 第47-50页 |
3.3.2 实验验证及评估 | 第50-54页 |
3.4 多维时间序列异常检测应用 | 第54-57页 |
3.4.1 实验设计 | 第54页 |
3.4.2 实验结果 | 第54-57页 |
3.4.3 实验分析 | 第57页 |
3.5 本章小结 | 第57-58页 |
第4章 时间序列相似性度量方法的软件实现 | 第58-74页 |
4.1 数据挖掘软件平台 | 第58-65页 |
4.1.1 软件平台框架设计 | 第58-59页 |
4.1.2 数据挖掘算法库 | 第59-62页 |
4.1.3 基于Hadoop的数据库 | 第62-63页 |
4.1.4 可视化呈现 | 第63-64页 |
4.1.5 数据挖掘算法流程图 | 第64-65页 |
4.2 Matlab与C混合编程技术 | 第65-68页 |
4.2.1 现有混合编程技术 | 第65-66页 |
4.2.2 混合编程技术分析 | 第66-67页 |
4.2.3 混合编程实现 | 第67-68页 |
4.3 基于时间序列相似性度量方法的算法库 | 第68-73页 |
4.3.1 算法库需求分析 | 第68页 |
4.3.2 算法库功能设计 | 第68-69页 |
4.3.3 算法库总体设计 | 第69页 |
4.3.4 算法库详细设计 | 第69-70页 |
4.3.5 算法库测试 | 第70-73页 |
4.4 本章小结 | 第73-74页 |
结论 | 第74-76页 |
参考文献 | 第76-82页 |
攻读硕士学位期间发表的论文及其它成果 | 第82-84页 |
致谢 | 第84页 |