| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 研究问题 | 第14-16页 |
| 1.2 研究背景与现状 | 第16-18页 |
| 1.2.1 时间序列分类 | 第16-17页 |
| 1.2.2 不平衡分类 | 第17-18页 |
| 1.3 研究内容 | 第18-20页 |
| 1.3.1 基于多目标模型空间学习的时间序列分类算法 | 第19页 |
| 1.3.2 基于模型的不平衡时间序列分类算法 | 第19-20页 |
| 1.4 研究意义 | 第20-21页 |
| 1.5 本文结构安排 | 第21-22页 |
| 第2章 时间序列分类 | 第22-34页 |
| 2.1 时间序列分类 | 第22-28页 |
| 2.1.1 基于信号的方法 | 第22-25页 |
| 2.1.2 基于模型的方法 | 第25-28页 |
| 2.2 不平衡分类 | 第28-30页 |
| 2.3 循环神经网络和水库计算 | 第30-32页 |
| 2.4 多目标演化算法 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 多目标模型空间学习 | 第34-62页 |
| 3.1 引言 | 第34页 |
| 3.2 背景 | 第34-37页 |
| 3.3 基于多目标模型空间学习的时间序列分类算法 | 第37-43页 |
| 3.3.1 时间序列模型学习 | 第37页 |
| 3.3.2 优化目标 | 第37-41页 |
| 3.3.3 目标之间的关系 | 第41页 |
| 3.3.4 演化优化算法 | 第41-43页 |
| 3.4 实验结果与分析 | 第43-60页 |
| 3.4.1 实验设置 | 第44-47页 |
| 3.4.2 优化目标对分类结果和模型参数的影响 | 第47-50页 |
| 3.4.3 单变量时间序列数据集 | 第50-58页 |
| 3.4.4 多变量时间序列数据集 | 第58-59页 |
| 3.4.5 讨论 | 第59-60页 |
| 3.5 本章小结 | 第60-62页 |
| 第4章 基于模型的不平衡时间序列分类算法 | 第62-76页 |
| 4.1 引言 | 第62页 |
| 4.2 序列模型和核函数学习 | 第62-67页 |
| 4.2.1 序列模型学习 | 第62-63页 |
| 4.2.2 核函数学习 | 第63-64页 |
| 4.2.3 参数更新 | 第64-66页 |
| 4.2.4 数据表示与过采样 | 第66-67页 |
| 4.3 实验 | 第67-75页 |
| 4.3.1 实验设置 | 第67-69页 |
| 4.3.2 合成数据集 | 第69-72页 |
| 4.3.3 单变量不平衡时间序列分类 | 第72-73页 |
| 4.3.4 多变量变长不平衡时间序列分类 | 第73-75页 |
| 4.4 本章小结 | 第75-76页 |
| 第5章 总结 | 第76-78页 |
| 5.1 本文的主要工作 | 第76-77页 |
| 5.2 下一步的研究工作 | 第77-78页 |
| 参考文献 | 第78-86页 |
| 致谢 | 第86-88页 |
| 在读期间发表的学术论文与取得的研究成果 | 第88页 |