| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 论文内容与结构安排 | 第14-16页 |
| 第2章 时间序列基础知识 | 第16-26页 |
| 2.1 相关概念 | 第16页 |
| 2.2 时间序列特征表示方法 | 第16-20页 |
| 2.2.1 分段表示法 | 第17-18页 |
| 2.2.2 频域表示法 | 第18-19页 |
| 2.2.3 奇异值分解法 | 第19-20页 |
| 2.3 时间序列距离度量 | 第20-25页 |
| 2.3.1 欧氏距离 | 第20-21页 |
| 2.3.2 动态时间弯曲距离 | 第21-23页 |
| 2.3.3 最长公共子序列 | 第23-24页 |
| 2.3.4 其他距离 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于趋势的改进斜率距离相似性度量算法 | 第26-40页 |
| 3.1 本章引论 | 第26-27页 |
| 3.2 相关工作 | 第27-31页 |
| 3.2.1 经验模态分解 | 第27-30页 |
| 3.2.2 分段线性表示 | 第30页 |
| 3.2.3 时间序列的斜率距离 | 第30-31页 |
| 3.3 基于趋势的改进斜率距离算法 | 第31-33页 |
| 3.4 实验及结果分析 | 第33-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 基于形态模式的相似度量算法 | 第40-51页 |
| 4.1 本章引论 | 第40-41页 |
| 4.2 相关工作 | 第41-43页 |
| 4.2.1 序列预处理 | 第41页 |
| 4.2.2 时间序列的涨落模式 | 第41-42页 |
| 4.2.3 k-means聚类知识简介 | 第42-43页 |
| 4.3 基于形态模式的相似性度量算法 | 第43-46页 |
| 4.3.1 分段形态模式 | 第43-44页 |
| 4.3.2 基于形态模式的相似性度量 | 第44-46页 |
| 4.4 实验及结果分析 | 第46-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 论文总结 | 第51-52页 |
| 5.2 下一步工作 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 图表目录 | 第57-58页 |
| The list of tables and figures | 第58-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间学术论文发表情况 | 第60页 |