| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 数据挖掘概述 | 第9-10页 |
| 1.1.1 数据挖掘的定义 | 第9页 |
| 1.1.2 数据挖掘的产生背景及发展 | 第9页 |
| 1.1.3 数据挖掘的主要技术 | 第9-10页 |
| 1.2 时间序列数据挖掘概述 | 第10-12页 |
| 1.2.1 时间序列的定义 | 第10页 |
| 1.2.2 时间序列数据挖掘的产生背景及研究意义 | 第10-11页 |
| 1.2.3 时间序列数据挖掘的研究历史与现状 | 第11-12页 |
| 1.3 本文研究的主要内容 | 第12-13页 |
| 1.4 文章组织结构 | 第13-14页 |
| 2 时间序列的非线性表示方法 | 第14-19页 |
| 2.1 奇异值表示法 | 第14页 |
| 2.2 符号化表示法 | 第14-15页 |
| 2.3 频域表示法 | 第15-19页 |
| 3 时间序列线性拟合方法 | 第19-32页 |
| 3.1 引言 | 第19页 |
| 3.2 几种典型的时间序列线性拟合方法 | 第19-23页 |
| 3.2.1 极值点拟合法 | 第20-21页 |
| 3.2.2 特征点拟合法 | 第21-22页 |
| 3.2.3 基于关键点的线性拟合方法 | 第22-23页 |
| 3.3 一种精确的时间序列线性拟合方法 | 第23-32页 |
| 3.3.1 引言 | 第23页 |
| 3.3.2 相关概念 | 第23-24页 |
| 3.3.3 关键点提取 | 第24-25页 |
| 3.3.4 算法描述 | 第25-26页 |
| 3.3.5 实验结果及分析 | 第26-32页 |
| 4 时间序列分段线性表示方法 | 第32-41页 |
| 4.1 引言 | 第32页 |
| 4.2 几种典型的时间序列分段线性表示方法 | 第32-35页 |
| 4.2.1 滑动窗口技术 | 第33页 |
| 4.2.2 自顶向下方法 | 第33页 |
| 4.2.3 自底向上方法 | 第33-34页 |
| 4.2.4 滑动聚集平均近似方法PAA | 第34页 |
| 4.2.5 基于时间特性的时间序列建模表示方法RPAA | 第34-35页 |
| 4.3 基于函数的时间序列分段线性表示方法 | 第35-41页 |
| 4.3.1 引言 | 第35-36页 |
| 4.3.2 相关概念 | 第36-37页 |
| 4.3.3 算法描述 | 第37-38页 |
| 4.3.4 距离计算 | 第38-39页 |
| 4.3.5 实验结果及分析 | 第39-41页 |
| 结论 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 攻读硕士学位期间发表学术论文情况 | 第45-46页 |
| 致谢 | 第46页 |