| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 传统数据上关联规则的挖掘 | 第9-11页 |
| 1.2.2 时间序列数据的关联规则挖掘 | 第11-12页 |
| 1.3 本课题主要研究内容 | 第12-13页 |
| 1.4 论文的结构安排 | 第13-14页 |
| 第2章 时间序列关联规则挖掘基础理论 | 第14-23页 |
| 2.1 时间序列数据 | 第14-15页 |
| 2.2 时间序列数据的表示方法 | 第15-16页 |
| 2.3 传统数据聚类算法 | 第16-17页 |
| 2.4 关联规则挖掘 | 第17-20页 |
| 2.4.1 关联规则挖掘的基本概念 | 第17-18页 |
| 2.4.2 关联规则挖掘的基本算法 | 第18-20页 |
| 2.5 滑动窗口 | 第20-21页 |
| 2.6 本章小结 | 第21-23页 |
| 第3章 多元时间序列数据的预处理 | 第23-35页 |
| 3.1 时间序列数据的限制 | 第23-24页 |
| 3.2 时间序列的分段线性回归表示 | 第24-29页 |
| 3.2.1 基于滑动窗口的线性化表示SW_PLR | 第26-28页 |
| 3.2.2 误差阈值的选定 | 第28-29页 |
| 3.3 时间序列元模式的提取 | 第29-33页 |
| 3.3.1 多元时间序列线段的分割 | 第29-30页 |
| 3.3.2 线段聚类符号化表示 | 第30-32页 |
| 3.3.3 多元时间序列流合并为事务集 | 第32-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于SWIU-tree的规则挖掘算法 | 第35-46页 |
| 4.1 基于滑动窗口的规则增量式挖掘算法SWIU-tree | 第35-42页 |
| 4.1.1 概要存储结构SWIU-tree | 第36-37页 |
| 4.1.2 SWIU-tree的创建 | 第37-40页 |
| 4.1.3 SWIU-tree的更新 | 第40-41页 |
| 4.1.4 SWIU-tree的剪枝 | 第41-42页 |
| 4.2 在SWIU-tree上挖掘关联规则 | 第42-44页 |
| 4.3 本章小结 | 第44-46页 |
| 第5章 实验设计与分析 | 第46-59页 |
| 5.1 实验环境 | 第46页 |
| 5.2 实验数据 | 第46-47页 |
| 5.3 数据预处理 | 第47-51页 |
| 5.3.1 线性拟合误差阈值的设定 | 第47-50页 |
| 5.3.2 对线段进行切割 | 第50页 |
| 5.3.3 对相似线段进行聚类并符号化 | 第50-51页 |
| 5.4 算法性能上的比较 | 第51-58页 |
| 5.4.1 时间效率上的比较 | 第51-53页 |
| 5.4.2 内存占用上的比较 | 第53-54页 |
| 5.4.3 频繁模式数的比较 | 第54-55页 |
| 5.4.4 算法在股票数据集上的表现 | 第55-58页 |
| 5.5 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65页 |