交通客流时间序列数据的聚类挖掘研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略词表 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 聚类挖掘概述 | 第14-15页 |
| 1.3 时间序列聚类挖掘研究现状 | 第15-17页 |
| 1.4 本文主要研究内容 | 第17-18页 |
| 1.5 论文结构安排 | 第18-19页 |
| 第二章 时间序列聚类挖掘相关技术 | 第19-27页 |
| 2.1 时间序列降维处理方法 | 第19-21页 |
| 2.1.1 等长划分法 | 第19-20页 |
| 2.1.2 极值点法 | 第20-21页 |
| 2.1.3 特征点法 | 第21页 |
| 2.2 序列相似性度量方法 | 第21-23页 |
| 2.2.1 欧式距离 | 第21-22页 |
| 2.2.2 动态时间弯曲距离 | 第22-23页 |
| 2.3 常用聚类方法 | 第23-26页 |
| 2.3.1 层次聚类方法 | 第24-25页 |
| 2.3.2 划分聚类方法 | 第25-26页 |
| 2.3.3 其它聚类方法 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 改进的关键点法EKPS | 第27-42页 |
| 3.1 关键点法KPS | 第27-30页 |
| 3.1.1 KPS算法核心思想 | 第27-28页 |
| 3.1.2 KPS算法缺陷分析 | 第28-30页 |
| 3.2 改进的关键点法EKPS | 第30-35页 |
| 3.2.1 EKPS关键极值点选取 | 第30-31页 |
| 3.2.2 EKPS关键转折点选取 | 第31-33页 |
| 3.2.3 算法实现步骤 | 第33-35页 |
| 3.3 EKPS算法仿真与分析 | 第35-40页 |
| 3.3.1 仿真环境与数据 | 第35页 |
| 3.3.2 仿真结果与分析 | 第35-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 基于序列关键点的TSFCM算法 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 FCM聚类算法 | 第42-45页 |
| 4.2.1 FCM算法核心思想 | 第43-44页 |
| 4.2.2 FCM算法缺陷分析 | 第44-45页 |
| 4.3 基于序列关键点的TSFCM算法设计思路 | 第45-49页 |
| 4.3.1 时间序列相似性度量 | 第45-47页 |
| 4.3.2 模糊加权指数m的选取 | 第47页 |
| 4.3.3 初始聚类中心的选取 | 第47页 |
| 4.3.4 最佳聚类数的确定 | 第47-49页 |
| 4.4 基于序列关键点的TSFCM聚类算法步骤 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于序列关键点的TSFCM算法仿真与分析 | 第52-64页 |
| 5.1 仿真环境 | 第52页 |
| 5.2 TSFCM算法仿真与分析 | 第52-55页 |
| 5.2.1 仿真数据 | 第52-53页 |
| 5.2.2 仿真结果与分析 | 第53-55页 |
| 5.3 基于序列关键点的TSFCM算法仿真与分析 | 第55-63页 |
| 5.3.1 仿真数据 | 第55-56页 |
| 5.3.2 仿真结果 | 第56-59页 |
| 5.3.3 仿真结果分析 | 第59-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 全文总结 | 第64-65页 |
| 6.2 后续工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 硕士研究生期间的研究成果 | 第70-71页 |
