基于互信息网络模型的时间序列数据库知识发现
| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-8页 |
| 1 引言 | 第8-13页 |
| 1．1 数据挖掘和数据库技术 | 第8-9页 |
| 1．2 时间序列数据库知识发现现状 | 第9-10页 |
| 1．3 本文的组织结构 | 第10-13页 |
| 2 时间序列数据库 | 第13-21页 |
| 2．1 时间序列数据库与普通数据库的区别 | 第13-14页 |
| 2．2 时间序列数据库知识发现的目标 | 第14-17页 |
| 2．2．1 趋势分析 | 第14-15页 |
| 2．2．2 相似搜索 | 第15页 |
| 2．2．3 序列模式挖掘 | 第15-17页 |
| 2．3 时间序列数据库模型 | 第17-21页 |
| 2．3．1 专门数据库构建方法 | 第17-18页 |
| 2．3．2 时间序列数据库组织 | 第18-20页 |
| 2．3．3 时间序列数据库一些定义 | 第20-21页 |
| 3 互信息网络模型 | 第21-30页 |
| 3．1 信息论简介 | 第21-23页 |
| 3．2 互信息网络模型 | 第23-30页 |
| 3．2．1 数据集描述 | 第23页 |
| 3．2．2 属性域离散化 | 第23-25页 |
| 3．2．3 MINM结构 | 第25页 |
| 3．2．4 MINM的工作方式 | 第25-30页 |
| 4 MINM模糊知识发现 | 第30-46页 |
| 4．1 1MINM模型知识发现的步骤 | 第30-31页 |
| 4．2 数据选择 | 第31-32页 |
| 4．3 时间序列数据库预处理 | 第32-40页 |
| 4．3．1 数据过滤 | 第32-37页 |
| 4．3．2 提取特征属性 | 第37-40页 |
| 4．4 MINM模型 | 第40-42页 |
| 4．4．1 构造MINM | 第40-42页 |
| 4．4．2 规则提取 | 第42页 |
| 4．5 结果处理 | 第42-46页 |
| 4．5．1 模糊化处理 | 第43-44页 |
| 4．5．2 规则简约处理 | 第44-46页 |
| 5 实验设计和结论 | 第46-57页 |
| 5．1 构建时间序列数据库 | 第46-48页 |
| 5．2 数据过滤 | 第48-49页 |
| 5．3 特征属性选取 | 第49-51页 |
| 5．4 构造MINM | 第51-53页 |
| 5．5 结果处理 | 第53-57页 |
| 6 结论 | 第57-59页 |
| 6．1 本文的工作 | 第57-58页 |
| 6．2 不足和未来工作 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 附录： 作者在攻读硕士期间发表的论文 | 第64页 |
