时间序列挖掘与预测研究
| 第一章 绪论 | 第1-24页 |
| 1．1 数据挖掘的起因与发展 | 第8-11页 |
| 1．2 数据挖掘的定义 | 第11-12页 |
| 1．3 数据挖掘的一般过程 | 第12-14页 |
| 1．4 数据挖掘研究的重点 | 第14-16页 |
| 1．5 数据挖掘的主要技术 | 第16-22页 |
| 1．5．1 关联规则 | 第16-18页 |
| 1．5．2 聚类分析 | 第18-20页 |
| 1．5．3 分类与预测 | 第20-22页 |
| 1．6 本文的主要研究工作 | 第22-24页 |
| 第二章 时间序列挖掘及预测综述 | 第24-38页 |
| 2．1 时间序列研究的问题 | 第24-30页 |
| 2．2 时间序列预测的统计学基础 | 第30-38页 |
| 2．2．1 时间序列的统计特征 | 第30-31页 |
| 2．2．1 时间序列的平稳性 | 第31-32页 |
| 2．2．2 时间序列的统计学模型 | 第32-38页 |
| 第三章 时间序列的分段线性表示及相似性算法研究 | 第38-44页 |
| 3．1 时间序列的分段线性化表示 | 第38-42页 |
| 3．1．1 时间序列分段线性化的斜率表示法 | 第38-41页 |
| 3．1．2 分段线性化的相似性距离度量准则 | 第41-42页 |
| 3．2 时间序列的聚类算法研究 | 第42-43页 |
| 3．3 相关实验结果 | 第43-44页 |
| 第四章 多层建模的序列预测方法 | 第44-56页 |
| 4．1 序列的预处理 | 第44-48页 |
| 4．1．1 相关定义 | 第45页 |
| 4．1．2 多平滑因子分解 | 第45-47页 |
| 4．1．3 分序列多尺度采样 | 第47-48页 |
| 4．2 建模与预测过程描述 | 第48-53页 |
| 4．2．1 加入新数据 | 第48页 |
| 4．2．2 预测模型相关讨论 | 第48-52页 |
| 4．2．3 建模及预测步骤 | 第52页 |
| 4．2．4 预测结果整合 | 第52-53页 |
| 4．3 序列预测的实现 | 第53-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5．1 研究工作总结 | 第56-57页 |
| 5．2 未来工作展望 | 第57-58页 |
| 参考文献 | 第58-65页 |
| 附录 在读期间发表论文与科研情况 | 第65-66页 |
| 致谢 | 第66页 |
