航天器遥测时间序列数据挖掘研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.3 研究内容和技术路线 | 第15-17页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 研究方法和技术路线 | 第16-17页 |
| 1.4 本文章节安排 | 第17-19页 |
| 第二章 遥测数据的特征表示 | 第19-37页 |
| 2.1 遥测数据预处理 | 第19-24页 |
| 2.1.1 数据过滤 | 第19-23页 |
| 2.1.2 参数提取与降维 | 第23-24页 |
| 2.2 时间序列特征表示 | 第24-35页 |
| 2.2.1 相关研究 | 第24-27页 |
| 2.2.1.1 分段线性表示 | 第25页 |
| 2.2.1.2 符号化表示 | 第25-26页 |
| 2.2.1.3 基于变换的表示 | 第26-27页 |
| 2.2.1.4 问题的提出 | 第27页 |
| 2.2.2 GIE-APLA算法原理 | 第27-29页 |
| 2.2.3 GIE-APLA算法框架 | 第29-30页 |
| 2.2.4 实验对比 | 第30-35页 |
| 2.3 本章小结 | 第35-37页 |
| 第三章 遥测数据的相似性度量 | 第37-51页 |
| 3.1 相关研究 | 第37-42页 |
| 3.1.1 基于字符串的相似性度量 | 第37-38页 |
| 3.1.2 基于点的相似性度量 | 第38-41页 |
| 3.1.3 基于结构的相似性度量 | 第41-42页 |
| 3.1.4 问题的提出 | 第42页 |
| 3.2 基于自适应线段的动态时间规整算法 | 第42-46页 |
| 3.2.1 ASDTW算法原理 | 第42-45页 |
| 3.2.2 ASDTW算法框架 | 第45-46页 |
| 3.3 实验分析 | 第46-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第四章 遥测数据的中心序列挖掘 | 第51-62页 |
| 4.1 相关研究 | 第51-54页 |
| 4.1.1 中心序列的定义 | 第51-52页 |
| 4.1.2 相似序列的聚类 | 第52-53页 |
| 4.1.3 中心序列的计算 | 第53页 |
| 4.1.4 问题的提出 | 第53-54页 |
| 4.2 基于序列段的中心序列算法 | 第54-57页 |
| 4.2.1 SSB算法原理 | 第54-55页 |
| 4.2.2 SSB算法框架 | 第55-57页 |
| 4.3 实验分析 | 第57-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 本文总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-71页 |
| 在学期间的研究成果及发表的学术论文 | 第71页 |
