多维时间序列数据挖掘技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·时间序列数据挖掘研究 | 第11-13页 |
| ·时间序列的定义及其特点 | 第11-12页 |
| ·时间序列数据挖掘主要研究内容 | 第12-13页 |
| ·多维时间序列数据挖掘技术概述 | 第13-15页 |
| ·多维时间序列数据挖掘研究背景 | 第13-14页 |
| ·多维时间序列研究现状 | 第14-15页 |
| ·多维时间序列的特点 | 第15页 |
| ·本文主要工作 | 第15-16页 |
| ·本文组织 | 第16-17页 |
| 第二章 时间序列挖掘的相关技术 | 第17-29页 |
| ·时间序列模式表示 | 第17-19页 |
| ·时间序列模式表示概述 | 第17-18页 |
| ·时间序列模式表示的主要方法 | 第18-19页 |
| ·特征变换技术 | 第19-23页 |
| ·特征变换的基本概念 | 第19-20页 |
| ·传统特征变换算法 | 第20-23页 |
| ·时间序列的相似测度 | 第23-27页 |
| ·欧几里德距离 | 第24页 |
| ·动态时间弯曲距离 | 第24-26页 |
| ·最长公共子序列距离 | 第26-27页 |
| ·小结 | 第27-29页 |
| 第三章 多维时间序列模式表示 | 第29-39页 |
| ·引言 | 第29页 |
| ·基于重要点的时间序列模式表示 | 第29-33页 |
| ·极值分段表示法 | 第29-30页 |
| ·特征点分段表示法 | 第30-31页 |
| ·重要极值点表示法 | 第31-33页 |
| ·基于角度变化的多维时间序列模式表示 | 第33-35页 |
| ·基本定义 | 第33-34页 |
| ·算法思想 | 第34-35页 |
| ·实验结果及分析 | 第35-38页 |
| ·实验环境和实验数据 | 第35页 |
| ·实验方法 | 第35-37页 |
| ·实验结果及分析 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第四章 多维时间序列特征变换 | 第39-51页 |
| ·引言 | 第39页 |
| ·流形学习中的降维算法 | 第39-43页 |
| ·局部线性嵌入(LLE)算法 | 第39-41页 |
| ·拉普拉斯特征映射(LE)算法 | 第41-42页 |
| ·局部保持映射(LPP)算法 | 第42-43页 |
| ·基于流形学习的多维时间序列特征变换 | 第43-48页 |
| ·问题分析 | 第43-45页 |
| ·基本思想 | 第45-46页 |
| ·基于改进流形算法的多维时间序列特征变换 | 第46-48页 |
| ·实验结果及分析 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第五章 多维时间序列相似性测度 | 第51-61页 |
| ·引言 | 第51-52页 |
| ·背景知识 | 第52-54页 |
| ·时间序列相似性概念 | 第52页 |
| ·时间序列的变形问题 | 第52-53页 |
| ·SVD | 第53-54页 |
| ·Ψ_B 能量交互算子 | 第54页 |
| ·基于能量交互算子的相似测度 | 第54-59页 |
| ·MTS 的能量矩阵 | 第54-55页 |
| ·能量主成分分析EPCA | 第55-57页 |
| ·Erui 相似度 | 第57页 |
| ·确定权值 | 第57-58页 |
| ·基于能量交互算子的MTS 相似性测量算法 | 第58-59页 |
| ·实验结果及分析 | 第59-60页 |
| ·实验环境及数据 | 第59页 |
| ·实验结果及分析 | 第59-60页 |
| ·小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 在学期间的研究成果及发表的学术论文 | 第68页 |
