| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 表格索引 | 第10-11页 |
| 插图索引 | 第11-12页 |
| 主要符号对照表 | 第12-13页 |
| 第一章 绪论 | 第13-25页 |
| ·研究背景与意义 | 第13-15页 |
| ·时间序列数据聚类 | 第15-18页 |
| ·基于原始数据的聚类 | 第16页 |
| ·基于特征的聚类 | 第16-17页 |
| ·基于模型的聚类 | 第17-18页 |
| ·其他背景知识 | 第18-22页 |
| ·随机过程 | 第18-19页 |
| ·马尔可夫过程 | 第19-22页 |
| ·本文概述 | 第22-25页 |
| ·本文的研究目标与方法 | 第22页 |
| ·本文的主要成果 | 第22-24页 |
| ·本文结构 | 第24-25页 |
| 第二章 HMM 模型 | 第25-39页 |
| ·HMM 的发展背景 | 第25页 |
| ·HMM 的基本原理 | 第25-27页 |
| ·HMM 的类型 | 第27-30页 |
| ·HMM 的基本问题及其算法 | 第30-37页 |
| ·评估问题和Forward-Backwark 算法 | 第30-33页 |
| ·解码问题和Viterbi 算法 | 第33-35页 |
| ·学习问题和Baum-Welch 算法 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 第三章 谱聚类算法 | 第39-49页 |
| ·背景 | 第39页 |
| ·拉普拉斯图 | 第39-45页 |
| ·图模型表示 | 第40-41页 |
| ·谱图理论 | 第41-45页 |
| ·算法描述 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于HMM 的时间序列聚类算法 | 第49-71页 |
| ·相似性度量 | 第50-54页 |
| ·聚类结果评估 | 第54-56页 |
| ·算法框架描述 | 第56-57页 |
| ·实验结果分析 | 第57-70页 |
| ·人工数据 | 第59-64页 |
| ·实际数据 | 第64-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-75页 |
| ·结论 | 第71-72页 |
| ·研究展望 | 第72-75页 |
| 附录 A HMM 数值计算问题 | 第75-79页 |
| 参考文献 | 第79-87页 |
| 致谢 | 第87-88页 |
| 攻读学位期间发表的学术论文目录 | 第88-91页 |
| 附件 | 第91-92页 |