时间序列挖掘与相似性查找技术研究
摘要 | 第1-5页 |
ABSTRACT | 第5-7页 |
目录 | 第7-11页 |
第一章 绪论 | 第11-26页 |
·研究背景 | 第11-13页 |
·相关研究工作 | 第13-20页 |
·传统的时间序列分析 | 第13-14页 |
·时间序列挖掘 | 第14-18页 |
·知识发现与数据挖掘 | 第14-17页 |
·时间序列挖掘 | 第17-18页 |
·相似性的查找 | 第18-20页 |
·本文工作 | 第20-24页 |
·研究目标 | 第20-21页 |
·研究内容 | 第21-23页 |
·本文结构 | 第23-24页 |
·几个术语的说明 | 第24-26页 |
第二章 时间序列特征模式挖掘 | 第26-45页 |
·引言 | 第26-27页 |
·相关工作 | 第27-28页 |
·传统的时间序列规则挖掘 | 第28-30页 |
·基于互关联后继树的特征模式挖掘 | 第30-41页 |
·时间序列的线段描述 | 第31-35页 |
·线段斜率的符号化 | 第35-36页 |
·互关联后继树模型 | 第36-38页 |
·时间序列的IRST模型 | 第38-39页 |
·基于互关联后继树的发现算法 | 第39-41页 |
·实验 | 第41-43页 |
·小结 | 第43-45页 |
第三章 多时间序列关联模式挖掘 | 第45-63页 |
·引言 | 第45-46页 |
·相关研究 | 第46-47页 |
·基于Apriori的关联模式挖掘 | 第47-52页 |
·时间序列的符号化 | 第47-48页 |
·相关定义 | 第48-49页 |
·发现算法 | 第49-51页 |
·算法讨论 | 第51-52页 |
·基于IRST的关联模式挖掘 | 第52-60页 |
·状态序列及其相关概念 | 第52-53页 |
·关联模式 | 第53-54页 |
·关联模式序列 | 第54-56页 |
·基于互关联后继树的发现算法 | 第56-60页 |
·关联模式序列的GIRST模型 | 第56-58页 |
·挖掘算法 | 第58-60页 |
·实验 | 第60-62页 |
·小结 | 第62-63页 |
第四章 时间序列相似性查找 | 第63-80页 |
·引言 | 第63-64页 |
·问题描述及相关研究 | 第64-68页 |
·相似性查找描述 | 第64页 |
·主要难点与相关研究 | 第64-68页 |
·基于IRST的相似性查询 | 第68-77页 |
·时间序列的分段及其相似性度量 | 第69-70页 |
·基于重要点的分段 | 第69-70页 |
·相似性度量 | 第70页 |
·索引模型 | 第70-73页 |
·特征抽取 | 第71页 |
·分类符号化 | 第71-72页 |
·构造互关联后继树索引模型 | 第72-73页 |
·查询过程 | 第73-76页 |
·查询预处理 | 第73页 |
·索引查找 | 第73-76页 |
·符号序列转化为区间序列 | 第74-75页 |
·不同形式的相似性度量 | 第75-76页 |
·后续处理 | 第76页 |
·算法分析 | 第76-77页 |
·实验 | 第77-78页 |
·小结 | 第78-80页 |
第五章 在线的相似性查找 | 第80-98页 |
·引言 | 第80-81页 |
·相关工作 | 第81-82页 |
·在线的相似性查询 | 第82-94页 |
·基本概念与批处理计算 | 第82-87页 |
·带预测值的在线查询 | 第87-89页 |
·最接近的相似性查找算法 | 第89-91页 |
·h-范围的相似性查找算法 | 第91-94页 |
·模拟实验 | 第94-96页 |
·小结 | 第96-98页 |
第六章 原型系统 | 第98-109页 |
·引言 | 第98页 |
·相关工作 | 第98-101页 |
·分析研究型的工具与系统 | 第98-99页 |
·证券分析软件系统 | 第99-101页 |
·一个集成的时间序列分析系统框架模型 | 第101-104页 |
·原型系统 | 第104-108页 |
·小结 | 第108-109页 |
第七章 总结与展望 | 第109-112页 |
·总结 | 第109-110页 |
·进一步的工作 | 第110-112页 |
参考文献 | 第112-121页 |
参与的科研项目与发表的论文 | 第121-122页 |
1 参与的科研项目 | 第121页 |
2 发表的论文 | 第121-122页 |
致谢 | 第122-123页 |