时间序列聚类方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1. 绪论 | 第9-15页 |
| 1.1 数据挖掘概念 | 第9页 |
| 1.2 数据挖掘发展史 | 第9-10页 |
| 1.3 时间序列聚类的研究意义 | 第10页 |
| 1.4 时间序列聚类的国内外研究现状 | 第10-13页 |
| 1.5 本文的内容与结构 | 第13-15页 |
| 2. 时间序列聚类相关理论 | 第15-25页 |
| 2.1 时间序列预处理方法 | 第15-19页 |
| 2.1.1 KPS方法 | 第15-17页 |
| 2.1.2 PAA方法 | 第17-19页 |
| 2.2 相似性度量方法 | 第19-20页 |
| 2.2.1 欧氏距离 | 第19-20页 |
| 2.2.2 动态时间弯曲距离 | 第20页 |
| 2.2.3 符号化聚集近似 | 第20页 |
| 2.3 聚类方法 | 第20-25页 |
| 2.3.1 K-means | 第21-22页 |
| 2.3.2 FCM | 第22页 |
| 2.3.3 谱平分 | 第22-23页 |
| 2.3.4 层次聚类 | 第23-25页 |
| 3. 基于DTW的符号化时间序列聚类算法 | 第25-30页 |
| 3.1 引言 | 第25页 |
| 3.2 相关理论知识 | 第25-27页 |
| 3.2.1 时间序列关键点的选取 | 第25-26页 |
| 3.2.2 DTW算法 | 第26页 |
| 3.2.3 基于Normal矩阵的谱平分法 | 第26-27页 |
| 3.3 算法实现 | 第27-28页 |
| 3.3.1 关键点提取 | 第27页 |
| 3.3.2 基于DTW的符号化聚类算法 | 第27-28页 |
| 3.4 实验结果与分析 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 4. 一种基于关键点的时间序列聚类方法 | 第30-36页 |
| 4.1 引言 | 第30页 |
| 4.2 关键点提取 | 第30-31页 |
| 4.3 相似性度量 | 第31页 |
| 4.4 基于关键点的时间序列聚类算法 | 第31-32页 |
| 4.5 方法的应用 | 第32-35页 |
| 4.5.1 实验一 | 第32-34页 |
| 4.5.2 实验二 | 第34-35页 |
| 4.6 本章小结 | 第35-36页 |
| 5. 改进的符号化时间序列处理方法 | 第36-42页 |
| 5.1 引言 | 第36-37页 |
| 5.2 相关理论 | 第37-39页 |
| 5.2.1 SAX方法 | 第37页 |
| 5.2.2 时间序列关键点的选取 | 第37-38页 |
| 5.2.3 相似度计算 | 第38-39页 |
| 5.3 改进的符号化时间序列聚类 | 第39-40页 |
| 5.4 实验结果与分析 | 第40-41页 |
| 5.5 本章小结 | 第41-42页 |
| 总结 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 攻读硕士期间论文发表情况 | 第47-48页 |
| 致谢 | 第48页 |
