| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的与意义 | 第9-10页 |
| 1.1.1 课题背景 | 第9-10页 |
| 1.1.2 课题研究的目的及意义 | 第10页 |
| 1.2 国内外研究现状及分析 | 第10-14页 |
| 1.2.1 非线性时间序列分析与复杂网络及其发展现状 | 第10-13页 |
| 1.2.2 基于无权和加权网络的时间序列的发展现状 | 第13-14页 |
| 1.3 本文的主要研究内容 | 第14-16页 |
| 第2章 回归图法及复杂网络模型和统计量的介绍 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 回归图法介绍 | 第16-18页 |
| 2.3 复杂网络统计量及复杂网络模型介绍 | 第18-22页 |
| 2.3.1 复杂网络统计量介绍 | 第18-20页 |
| 2.3.2 各种不同复杂网络模型 | 第20-22页 |
| 2.4 权值网络中方向的定义 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 网络上不同统计量的对比研究及分析 | 第23-36页 |
| 3.1 引言 | 第23页 |
| 3.2 时间序列到权值网络的转换 | 第23-25页 |
| 3.2.1 对不同种类时间序列预处理后阈值的选择 | 第23-24页 |
| 3.2.2 回归图方法的基本思想 | 第24-25页 |
| 3.3 权值网络上统计量的计算 | 第25-34页 |
| 3.3.1 R(o|¨)ssler 数据不同权值下的统计量的计算 | 第25-30页 |
| 3.3.2 以幅度差为权值 Lorenz 数据下度与平均权值的关系 | 第30-32页 |
| 3.3.3 对时间序列进行预处理的关键性 | 第32-33页 |
| 3.3.4 混沌加噪数据与原始数据的对比分析 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 新统计量对于不同动力特征下数据的检测 | 第36-46页 |
| 4.1 引言 | 第36页 |
| 4.2 幅值差为权值下度与斜率关系来对时间序列进行检测 | 第36-40页 |
| 4.2.1 R(o|¨)ssler 与 Lorenz 数据度与斜率关系的计算 | 第36-38页 |
| 4.2.2 对不同数据进行加噪处理 | 第38-39页 |
| 4.2.3 对周期数据进行替代数据处理 | 第39-40页 |
| 4.3 时间差为权值下网络中聚类系数的计算 | 第40-43页 |
| 4.3.1 R(o|¨)ssler 与 Lorenz 数据聚类系数的计算 | 第40-42页 |
| 4.3.2 对混沌数据加噪处理与原始数据的比较 | 第42-43页 |
| 4.4 周期替代数据与原始周期数据的比较 | 第43-44页 |
| 4.5 本章小结 | 第44-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 致谢 | 第52页 |
