| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 注释表 | 第13-14页 |
| 缩略词 | 第14-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景 | 第15-17页 |
| 1.2 研究目的和意义 | 第17-18页 |
| 1.3 国内外研究现状 | 第18-20页 |
| 1.4 主要研究工作 | 第20-21页 |
| 1.5 本文的内容安排 | 第21-23页 |
| 第二章 相关概念及技术介绍 | 第23-38页 |
| 2.1 时间序列和时间序列相似性 | 第23-24页 |
| 2.1.1 时间序列 | 第23页 |
| 2.1.2 时间序列相似性 | 第23-24页 |
| 2.2 时间序列特征表示方法 | 第24-27页 |
| 2.2.1 基于分段的特征表示方法 | 第25-26页 |
| 2.2.2 基于域变换的特征表示方法 | 第26页 |
| 2.2.3 基于模型的特征表示方法 | 第26-27页 |
| 2.2.4 基于符号的特征表示方法 | 第27页 |
| 2.3 时间序列相似性度量方法 | 第27-32页 |
| 2.3.1 锁步度量 | 第28页 |
| 2.3.2 弹性度量 | 第28-32页 |
| 2.3.3 经典相似性度量方法的对比分析 | 第32页 |
| 2.4 特征加权的支持向量回归机 | 第32-37页 |
| 2.4.1 支持向量回归机 | 第32-35页 |
| 2.4.2 特征加权的支持向量回归机 | 第35-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 基于IEPF的时间序列适应性趋势分段特征表示方法 | 第38-51页 |
| 3.1 引言 | 第38-39页 |
| 3.2 相关工作 | 第39-41页 |
| 3.3 基于IEPF的时间序列适应性趋势分段特征表示方法 | 第41-47页 |
| 3.3.1 标准化 | 第41-42页 |
| 3.3.2 基于趋势特征的分段和降维 | 第42-46页 |
| 3.3.3 趋势分段的符号化表示 | 第46-47页 |
| 3.4 实验验证 | 第47-50页 |
| 3.4.1 实验数据集 | 第47-48页 |
| 3.4.2 参数设置 | 第48页 |
| 3.4.3 分类性能对比 | 第48-49页 |
| 3.4.4 降维性能对比 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于趋势分段的时间序列相似性度量方法 | 第51-63页 |
| 4.1 引言 | 第51页 |
| 4.2 相关工作 | 第51-56页 |
| 4.2.1 时间序列的符号化相似性及其度量 | 第51-52页 |
| 4.2.2 时间序列的形状相似性及其度量 | 第52-53页 |
| 4.2.3 时间序列的事件相似性及其度量 | 第53-54页 |
| 4.2.4 时间序列的趋势相似性及其度量 | 第54-56页 |
| 4.3 基于趋势分段的时间序列相似性度量方法 | 第56-60页 |
| 4.3.1 相似性度度量方法TSR-DIST | 第56-57页 |
| 4.3.2 TSR-DIST的下界证明 | 第57-60页 |
| 4.4 实验验证 | 第60-62页 |
| 4.4.1 分类性能对比 | 第60-61页 |
| 4.4.2 度量性能对比 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 基于FWSVR的机场噪声监测点交互预测模型 | 第63-77页 |
| 5.1 机场噪声时间序列数据 | 第63-64页 |
| 5.2 时序关联监测点筛选 | 第64-65页 |
| 5.3 基于FWSVR的监测点噪声交互预测模型 | 第65-67页 |
| 5.3.1 模型流程 | 第65页 |
| 5.3.2 建模步骤 | 第65-67页 |
| 5.4 实验及结果分析 | 第67-76页 |
| 5.4.1 实验数据集 | 第67-68页 |
| 5.4.2 时间序列相似性度量方法的对比实验 | 第68-73页 |
| 5.4.3 三种时间序列数据集的实验 | 第73-76页 |
| 5.5 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-80页 |
| 6.1 已有工作总结 | 第77-78页 |
| 6.2 未来工作展望 | 第78-80页 |
| 参考文献 | 第80-87页 |
| 致谢 | 第87-89页 |
| 在学期间的研究成果及发表的学术论文 | 第89页 |
