| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景及意义 | 第10-14页 |
| 1.1.1 研究背景与问题 | 第10-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.2.1 空间目标分类识别 | 第14-15页 |
| 1.2.2 TLE数据集的相关研究 | 第15-16页 |
| 1.2.3 多变量时序分类 | 第16-20页 |
| 1.3 论文研究内容 | 第20-21页 |
| 1.4 论文组织结构 | 第21-22页 |
| 第二章 相关概念和研究基础 | 第22-35页 |
| 2.1 时间序列 | 第22-24页 |
| 2.2 多变量时序数据基础 | 第24-28页 |
| 2.2.1 多变量时序距离度量 | 第25-26页 |
| 2.2.2 多变量时序特征表示方法 | 第26-27页 |
| 2.2.3 多变量时序特征提取方法 | 第27-28页 |
| 2.3 构建空间目标数据仓库 | 第28-32页 |
| 2.3.1 TLE数据集的主要特性 | 第28-29页 |
| 2.3.2 数据仓库的设计与实现 | 第29-32页 |
| 2.4 空间目标数据预处理 | 第32-33页 |
| 2.4.1 空间目标实验数据的筛选 | 第32页 |
| 2.4.2 TLE数据的预处理 | 第32-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 基于变化信息扩展的时序分类算法 | 第35-52页 |
| 3.1 变化信息的特征提取 | 第35-36页 |
| 3.2 VAE-TSC算法 | 第36-44页 |
| 3.2.1 使用VAE方法扩展时间序列 | 第37-39页 |
| 3.2.2 基于统计方法的时序特征提取 | 第39-41页 |
| 3.2.3 CfsSubsetEval法降维处理 | 第41-43页 |
| 3.2.4 基于特征矢量的分类 | 第43-44页 |
| 3.3 实验分析 | 第44-51页 |
| 3.3.1 单变量时序数据集 | 第45-47页 |
| 3.3.2 多变量时序数据集 | 第47-50页 |
| 3.3.3 TLE数据集 | 第50-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 基于变化信息与局部信息扩展的时序分类算法 | 第52-64页 |
| 4.1 时序数据的局部特征提取方法 | 第52-53页 |
| 4.2 基于MM法的子序列提取 | 第53-55页 |
| 4.3 VAEMM-TSC算法 | 第55-59页 |
| 4.4 实验分析 | 第59-63页 |
| 4.4.1 单变量时间序列 | 第59-61页 |
| 4.4.2 多变量时间序列 | 第61-62页 |
| 4.4.3 TLE数据集 | 第62-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 动态特征与静态特征结合的空间目标分类算法 | 第64-73页 |
| 5.1 静态特征与动态特征相结合的SDC算法 | 第64-67页 |
| 5.2 实验使用的评价指标 | 第67-68页 |
| 5.3 实验分析 | 第68-72页 |
| 5.3.1 SDC算法、ST算法和VAEMM-TSC算法的对比实验 | 第69页 |
| 5.3.2 SDC算法与ST算法在不同参数RF方法的对比实验 | 第69-70页 |
| 5.3.3 SDC算法与ST算法在不同评价指标下的对比实验 | 第70-71页 |
| 5.3.4 SDC算法结合更多静态特征的实验 | 第71-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 作者在学期间取得的学术成果 | 第79页 |
