基于小波变换的时间序列挖掘研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·研究背景和意义 | 第8-14页 |
| ·数据挖掘概述 | 第8-10页 |
| ·频繁模式挖掘的基本概念 | 第10-13页 |
| ·时间序列挖掘中的关键问题 | 第13-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·传统的时间序列分析方法 | 第14-15页 |
| ·时间序列频繁模式挖掘 | 第15-16页 |
| ·本文的主要工作和结构 | 第16-18页 |
| 第二章 时间序列数据挖掘概述 | 第18-32页 |
| ·时间序列相似性查询 | 第18-24页 |
| ·时间序列数据表示 | 第18-21页 |
| ·时间序列数据分割 | 第21-22页 |
| ·相似性度量 | 第22-24页 |
| ·时间序列模式挖掘 | 第24-27页 |
| ·时间序列主题模式挖掘 | 第24-25页 |
| ·时间序列周期模式挖掘 | 第25-26页 |
| ·时间序列关联规则，序列模式的挖掘 | 第26-27页 |
| ·时间序列的分类，聚类和异常检测 | 第27-29页 |
| ·时间序列分类问题 | 第27-28页 |
| ·时间序列聚类问题 | 第28-29页 |
| ·时间序列异常检测 | 第29页 |
| ·多时间序列和多维时间序列的挖掘 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 小波变换及其在时间序列挖掘中的应用 | 第32-40页 |
| ·小波分析基本理论 | 第32-35页 |
| ·小波分析在时间序列挖掘中的应用 | 第35-39页 |
| ·小波分析与时间序列特征提取 | 第35-36页 |
| ·小波分析与时间序列奇异点检测 | 第36-37页 |
| ·小波分析与时间序列聚类 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于小波变换的多尺度相似模式的匹配 | 第40-49页 |
| ·相关工作 | 第40页 |
| ·特征提取 | 第40-41页 |
| ·时间序列的斜率表示法与KL表示法 | 第41-42页 |
| ·线性模式的KL相似性度量与动态模式匹配距离 | 第42-44页 |
| ·多尺度匹配算法 | 第44-48页 |
| ·总体算法 | 第44-45页 |
| ·多尺度形状特征提取 | 第45页 |
| ·多尺度序列片段斜率和长度的计算 | 第45-46页 |
| ·多尺度形状的逼近匹配 | 第46页 |
| ·多尺度匹配算法的一个改进 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于小波变换的时间序列频繁模式挖掘 | 第49-62页 |
| ·时间序列频繁模式挖掘概念 | 第49页 |
| ·时间序列频繁模式挖掘的相关工作 | 第49-50页 |
| ·传统的时间序列频繁模式挖掘方法 | 第50-52页 |
| ·基于小波变换的时间序列多尺度频繁模式挖掘 | 第52-59页 |
| ·时间序列多尺度模式挖掘的概念 | 第52-53页 |
| ·基于小波分析的时间序列多尺度模式挖掘 | 第53-59页 |
| ·实验与分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·全文总结 | 第62-63页 |
| ·研究展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 发表论文和科研情况说明 | 第69-70页 |
| 致谢 | 第70页 |
