基于滑动样本熵的动力学状态识别及其应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究目的与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究内容与结构 | 第11-13页 |
| 第二章 样本熵理论及算法 | 第13-17页 |
| 2.1 熵的起源与发展 | 第13-14页 |
| 2.2 样本熵与滑动样本熵模型 | 第14-17页 |
| 2.2.1 样本熵(SamEnt) | 第14-15页 |
| 2.2.2 滑动样本熵算法(M-SamEnt) | 第15-17页 |
| 第三章 基于M-SamEnt的动力学状态识别方法 | 第17-33页 |
| 3.1 传统的动力学状态识别 | 第17-18页 |
| 3.1.1 滑动t检验方法 | 第17页 |
| 3.1.2 Mann-Kendall方法 | 第17-18页 |
| 3.2 M-SamEnt的动力学状态识别 | 第18-21页 |
| 3.2.1 线性时间序列 | 第18-19页 |
| 3.2.2 混沌时间序列 | 第19-21页 |
| 3.3 M-SamEnt识别的稳定性分析 | 第21-33页 |
| 3.3.1 滑动步长的影响 | 第21-23页 |
| 3.3.2 窗口大小的影响 | 第23-25页 |
| 3.3.3 样本容量的影响 | 第25-26页 |
| 3.3.4 噪声的影响 | 第26-33页 |
| 第四章 应用分析 | 第33-41页 |
| 4.1 沪指的滑动样本熵与市场复杂性分析 | 第33-36页 |
| 4.1.1 数据的来源与背景 | 第33页 |
| 4.1.2 结果与分析 | 第33-36页 |
| 4.2 基于滑动样本熵的矿化强度识别 | 第36-41页 |
| 4.2.1 数据的来源与统计特征 | 第36-38页 |
| 4.2.2 结果与分析 | 第38-41页 |
| 第五章 结论与展望 | 第41-44页 |
| 5.1 主要研究结论 | 第41-43页 |
| 5.2 展望 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 攻读学位期间发表论文 | 第48-49页 |
| 致谢 | 第49页 |
