| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 传统数据上关联规则的挖掘 | 第9页 |
| 1.2.2 时间序列数据上的关联规则的挖掘 | 第9-10页 |
| 1.2.3 关联规则在时间序列预测方面的应用 | 第10-11页 |
| 1.3 本课题的主要研究内容 | 第11页 |
| 1.4 论文的结构安排 | 第11-13页 |
| 第2章 时间序列关联规则挖掘基础理论 | 第13-24页 |
| 2.1 时间序列数据 | 第13-14页 |
| 2.2 时间序列数据的表示方法 | 第14-16页 |
| 2.3 数据聚类算法 | 第16-17页 |
| 2.4 关联规则挖掘 | 第17-22页 |
| 2.4.1 关联规则挖掘的基本概念 | 第17-18页 |
| 2.4.2 关联规则挖掘的基本算法 | 第18-22页 |
| 2.5 关联规则应用在时间序列预测 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 多元时间序列数据的预处理 | 第24-34页 |
| 3.1 时间序列数据的压缩 | 第24-26页 |
| 3.2 改进的边缘算子法压缩时间序列 | 第26-30页 |
| 3.2.1 图像处理中的边缘算子 | 第26-28页 |
| 3.2.2 时间序列的ITEO表示 | 第28-30页 |
| 3.3 聚类并符号化生成模式序列 | 第30-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 基于IAMTL的多元时间序列跨事务关联规则挖掘 | 第34-48页 |
| 4.1 多时间序列跨事务关联规则的相关概念 | 第34-36页 |
| 4.2 基于时间序列的关联规则的挖掘算法 | 第36页 |
| 4.3 时间序列频繁模式的定义 | 第36-38页 |
| 4.4 多元时间序列跨事务关联规则的挖掘 | 第38-45页 |
| 4.4.1 基于IAMTL的时间序列跨事务关联规则挖掘算法 | 第38-43页 |
| 4.4.2 基于IAMTL的时间序列跨事务关联规则的增量挖掘算法 | 第43-45页 |
| 4.5 多元时间序列关联规则预测序列 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 实验结果与分析 | 第48-62页 |
| 5.1 实验数据的描述 | 第48页 |
| 5.2 时间序列数据的预处理 | 第48-52页 |
| 5.2.1 采用ITEO算法对时间序列进行压缩线性化 | 第48-52页 |
| 5.2.2 对相似的线段进行聚类并符号化 | 第52页 |
| 5.3 算法性能上的比较 | 第52-60页 |
| 5.3.1 时间效率上的比较 | 第53-55页 |
| 5.3.2 内存占用上的比较 | 第55-56页 |
| 5.3.3 预测时间序列准确率上的比较 | 第56-58页 |
| 5.3.4 算法在不同数据集上的性能比较 | 第58-60页 |
| 5.4 本章小结 | 第60-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第67-69页 |
| 致谢 | 第69页 |
