| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景与意义 | 第14-17页 |
| 1.1.1 数据挖掘与时间序列数据挖掘背景 | 第14-15页 |
| 1.1.2 时间序列相似性研究背景及意义 | 第15-16页 |
| 1.1.3 时间序列趋势预测研究背景及意义 | 第16-17页 |
| 1.1.4 课题来源 | 第17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.2.1 时间序列相似性研究现状 | 第17-18页 |
| 1.2.2 时间序列趋势预测研究现状 | 第18-19页 |
| 1.3 农产品价格预测现状及面临的问题 | 第19-20页 |
| 1.4 本文研究的主要内容 | 第20页 |
| 1.5 本文的组织结构 | 第20-21页 |
| 1.6 本章小结 | 第21-22页 |
| 第二章 时间序列相似性度量算法研究 | 第22-32页 |
| 2.1 相关定义 | 第22-23页 |
| 2.2 时间序列相似性变形 | 第23-26页 |
| 2.3 相似性度量方法研究 | 第26-31页 |
| 2.3.1 明氏距离 | 第27页 |
| 2.3.2 动态弯曲距离 | 第27-28页 |
| 2.3.3 编辑距离 | 第28-29页 |
| 2.3.4 特征距离 | 第29-30页 |
| 2.3.5 其他距离 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于涨落模式的时间序列相似性度量算法 | 第32-45页 |
| 3.1 引言 | 第32-33页 |
| 3.2 时间序列模式 | 第33-34页 |
| 3.3 涨落模式 | 第34-35页 |
| 3.4 基于涨落模式的时间序列相似性度量算法 | 第35-37页 |
| 3.4.1 涨落模式的生成 | 第36页 |
| 3.4.2 涨落模式相似性度量 | 第36-37页 |
| 3.5 实验及分析 | 第37-44页 |
| 3.5.1 实验设计及实验数据描述 | 第37-38页 |
| 3.5.2 仿真数据实验 | 第38-42页 |
| 3.5.3 真实数据实验 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 基于相似涨落模式的时间序列预测算法 | 第45-57页 |
| 4.1 引言 | 第45-46页 |
| 4.2 基于时间的滑动窗口 | 第46-47页 |
| 4.3 类比合成预测算法 | 第47页 |
| 4.4 基于相似涨落模式的时间序列预测算法 | 第47-50页 |
| 4.4.1 参考序列涨落模式与类比序列涨落模式生成 | 第48-49页 |
| 4.4.2 类比序列合成预测 | 第49-50页 |
| 4.5 实验及分析 | 第50-56页 |
| 4.5.1 实验设计及实验数据描述 | 第50-51页 |
| 4.5.2 实验结果评价指标 | 第51页 |
| 4.5.3 实验结果及分析 | 第51-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-58页 |
| 5.1 总结 | 第57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第62-63页 |