摘要 | 第11-13页 |
ABSTRACT | 第13-15页 |
第1章 绪论 | 第16-22页 |
1.1 研究背景 | 第16-17页 |
1.2 研究内容及意义 | 第17-19页 |
1.3 研究工作及创新点 | 第19-20页 |
1.4 本文的组织结构 | 第20-22页 |
第2章 相关工作 | 第22-32页 |
2.1 时间序列特征表示 | 第22-27页 |
2.1.1 基于域变换的特征表示方法 | 第22-23页 |
2.1.2 基于模型的特征表示方法 | 第23页 |
2.1.3 基于分段的特征表示方法 | 第23-26页 |
2.1.4 基于符号的特征表示方法 | 第26-27页 |
2.2 时间序列分类方法 | 第27-30页 |
2.2.1 基于模型的分类方法 | 第27页 |
2.2.2 基于全局特征的分类方法 | 第27-28页 |
2.2.3 基于局部特征的分类方法 | 第28-29页 |
2.2.4 基于组合的分类方法 | 第29-30页 |
2.3 本章小结 | 第30-32页 |
第3章 时间序列在线分段线性表示方法 | 第32-58页 |
3.1 概述 | 第32-33页 |
3.2 问题形式化 | 第33-40页 |
3.3 基于转折点的在线分段线性表示方法 | 第40-46页 |
3.3.1 初始线性分割 | 第41-42页 |
3.3.2 线性分段的评估与再次分割 | 第42-45页 |
3.3.3 线性分段的合并 | 第45-46页 |
3.4 实验与分析 | 第46-56页 |
3.4.1 实验设置 | 第46-48页 |
3.4.2 表示精度对比实验 | 第48-52页 |
3.4.3 表示效率对比实验 | 第52-56页 |
3.5 本章小结 | 第56-58页 |
第4章 时间序列多分辨率混合表示方法 | 第58-90页 |
4.1 概述 | 第58-63页 |
4.2 问题形式化 | 第63-65页 |
4.3 基于自适应表示索引的时间序列多分辨率混合表示方法 | 第65-83页 |
4.3.1 自适应表示索引ARI的建立 | 第65-77页 |
4.3.2 基于自适应表示索引的高效多分辨率混合表示 | 第77-81页 |
4.3.3 MHR-ARI时间复杂度分析 | 第81-83页 |
4.4 实验与分析 | 第83-89页 |
4.4.1 实验设置 | 第83页 |
4.4.2 索引建立时间的对比实验 | 第83-85页 |
4.4.3 表示效率的对比实验 | 第85-87页 |
4.4.4 并行加速比分析 | 第87-89页 |
4.5 本章小结 | 第89-90页 |
第5章 基于局部特征高效选取的时间序列分类方法 | 第90-110页 |
5.1 概述 | 第90-92页 |
5.2 问题形式化 | 第92-96页 |
5.3 高效Shapelet选取方法 | 第96-103页 |
5.3.1 生成代表性时间序列集合 | 第97-98页 |
5.3.2 生成精简Shapelet候选集合 | 第98-102页 |
5.3.3 ESS的时间复杂度分析 | 第102-103页 |
5.4 实验与分析 | 第103-108页 |
5.4.1 实验设置 | 第103页 |
5.4.2 参数分析 | 第103-105页 |
5.4.3 基于分类精度的对比实验 | 第105-107页 |
5.4.4 基于分类效率的对比实验 | 第107-108页 |
5.5 本章小结 | 第108-110页 |
第6章 基于多表示学习模型的时间序列分类方法 | 第110-122页 |
6.1 概述 | 第110-111页 |
6.2 多表示循环神经网络模型 | 第111-117页 |
6.3 实验与分析 | 第117-121页 |
6.3.1 实验设置 | 第117-118页 |
6.3.2 基于分类准确率的对比实验 | 第118页 |
6.3.3 MR-RNN不同信道的分类精度对比实验 | 第118-119页 |
6.3.4 注意力机制分析 | 第119-121页 |
6.4 本章小结 | 第121-122页 |
第7章 总结与展望 | 第122-125页 |
7.1 主要工作总结 | 第122-123页 |
7.2 未来工作展望 | 第123-125页 |
参考文献 | 第125-136页 |
致谢 | 第136-137页 |
攻读学位期间发表的学术论文目录 | 第137-140页 |
攻读学位期间参与科研项目情况 | 第140-141页 |
攻读学位期间获得的奖励 | 第141-142页 |
外文论文 | 第142-203页 |
学位论文评阅及答辩情况表 | 第203页 |