首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于EMD和BoF模型的时间序列数据挖掘及应用

致谢第5-6页
摘要第6-8页
Abstract第8-9页
第1章 绪论第12-32页
    1.1 课题的研究背景与意义第12-13页
    1.2 时间序列分解第13-16页
    1.3 时间序列降维第16-21页
        1.3.1 时间序列时间降维第16-18页
        1.3.2 时间序列空间降维第18-21页
    1.4 时间序列分类第21-27页
        1.4.1 基于样本的时间序列分类算法第21-24页
        1.4.2 基于特征的时间序列分类算法第24-27页
    1.5 基于时间序列分析的工业系统运行状态监控第27-28页
    1.6 本文研究的主要内容第28-32页
第2章 局部噪声辅助的快速多维经验模态分解第32-64页
    2.1 引言第32-34页
    2.2 相关算法介绍第34-40页
    2.3 局部噪声辅助的PNA-MEMD算法第40-45页
        2.3.1 投影方向向量数目对NA-MEMD算法的影响第40-42页
        2.3.2 PNA-MEMD算法第42-45页
    2.4 实验分析第45-58页
        2.4.1 仿真信号实验第45-55页
        2.4.2 脑电波信号实验第55-58页
    2.5 基于振动信号分解的轴承故障分析第58-61页
    2.6 新方法原理思考第61-63页
    2.7 小结第63-64页
第3章 一种基于BoF模型的时间序列分类算法第64-92页
    3.1 引言第64-66页
    3.2 基于BOF模型的时间序列分类算法第66-79页
        3.2.1 时间序列自适应分割第67-69页
        3.2.2 子序列局部特征提取第69-74页
        3.2.3 时间序列特征编码第74-78页
        3.2.4 算法复杂度分析第78-79页
    3.3 实验分析第79-90页
        3.3.1 实验设置第79-81页
        3.3.2 分类结果第81-85页
        3.3.3 SLFE算法分析第85-90页
    3.4 小结第90-92页
第4章 基于BoF模型的时间序列分类算法的多维扩展第92-110页
    4.1 引言第92-94页
    4.2 MULTI-SLFE算法的提出第94-99页
        4.2.1 多维时间序列自适应分割第94-96页
        4.2.2 局部特征提取第96-97页
        4.2.3 特征编码第97-98页
        4.2.4 算法复杂度分析第98-99页
    4.3 实验分析第99-103页
        4.3.1 实验设置第99-100页
        4.3.2 实验结果与分析第100-103页
    4.4 空调控制系统状态监控第103-108页
    4.5 小结第108-110页
第5章 一种基于条件互信息的多维时间序列特征选择算法第110-136页
    5.1 引言第110-112页
    5.2 基于条件互信息的多维时间序列特征选择第112-122页
        5.2.1 基于条件互信息的特征选择第112-118页
        5.2.2 CMIFSI的多维时间序列扩展第118-122页
    5.3 实验分析第122-133页
        5.3.1 静态数据实验验证第122-125页
        5.3.2 多维时间序列数据实验验证第125-133页
    5.4 空调控制系统状态监控中的关键变量选择第133-134页
    5.5 小结第134-136页
第6章 总结与展望第136-140页
    6.1 全文研究内容总结第136-137页
    6.2 研究展望第137-140页
参考文献第140-148页
作者简历第148-149页
攻读博士学位期间完成的学术论文和软著第149-150页
攻读博士学位期间参与的科研项目第150页

论文共150页,点击 下载论文
上一篇:数据驱动的间歇过程监测与质量控制研究
下一篇:我国矿产资源供应风险评价研究--以铁矿资源为例