| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题来源及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本课题的主要贡献 | 第11-12页 |
| 1.4 本文的内容安排 | 第12-13页 |
| 第二章 递归图及递归定量方法与递归复杂网络方法对比分析 | 第13-28页 |
| 2.1 获得系统的相空间轨迹 | 第13-16页 |
| 2.1.1 平均互信息法确定延迟时间 | 第14-15页 |
| 2.1.2 虚假最近邻法确定嵌入维数 | 第15-16页 |
| 2.2 递归图方法 | 第16-19页 |
| 2.2.1 递归图的建立 | 第17-18页 |
| 2.2.2 递归图中的线段结构 | 第18-19页 |
| 2.3 递归定量分析方法 | 第19-21页 |
| 2.4 递归复杂网络分析方法 | 第21-24页 |
| 2.4.1 复杂网络的矩阵描述 | 第21页 |
| 2.4.2 复杂网络统计特征指标 | 第21-23页 |
| 2.4.3 递归复杂网络的构建 | 第23-24页 |
| 2.5 递归复杂网络方法与递归定量分析方法仿真对比 | 第24-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 可视图复杂网络与递归复杂网络对比分析 | 第28-42页 |
| 3.1 基于可视图原理的系列建网方法 | 第28-29页 |
| 3.2 非线性系统的混沌状态迁移与分形布朗运动序列的Hurst指数 | 第29-32页 |
| 3.2.1 Logistic Map系统的状态演进 | 第29-31页 |
| 3.2.2 Hurst指数与分形布朗运动 | 第31-32页 |
| 3.3 递归复杂网络与可视图对分形和混沌时间序列的表征性能的对比研究 | 第32-40页 |
| 3.3.1 混沌系统状态迁移的表征 | 第32-36页 |
| 3.3.2 不同Hurst指数的分形布朗运动识别 | 第36-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 递归复杂网络和可视图复杂网络的改进算法 | 第42-62页 |
| 4.1 基于DTW距离的递归复杂网络 | 第42-55页 |
| 4.1.1 DTW算法 | 第42-43页 |
| 4.1.2 基于DTW距离的递归复杂网络仿真分析 | 第43-55页 |
| 4.2 瞬时能量谱可视图算法 | 第55-60页 |
| 4.2.1EMD算法 | 第55-56页 |
| 4.2.2 希尔伯特变换和瞬时能量谱 | 第56-57页 |
| 4.2.3 瞬时能量谱可视图算法 | 第57页 |
| 4.2.4 瞬时能量谱可视图算法的仿真验证 | 第57-60页 |
| 4.3 本章小结 | 第60-62页 |
| 第五章 改进的递归复杂网络方法在近地面风场分析中的应用 | 第62-73页 |
| 5.1 室内外风场数据采集 | 第62-63页 |
| 5.2 基于EMD的时间序列降噪 | 第63-67页 |
| 5.3 融合EMD降噪和DTW递归复杂网络方法的室内室外风场时间序列分析 | 第67-72页 |
| 5.3.1 算法步骤 | 第67-69页 |
| 5.3.2 实验与仿真分析 | 第69-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 发表论文和参加科研情况说明 | 第79-80页 |
| 致谢 | 第80-81页 |
