| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| §1.1 课题背景及意义 | 第11-12页 |
| §1.2 国内外的研究现状 | 第12-15页 |
| §1.2.1 短序列分析方法的研究现状 | 第12-14页 |
| §1.2.2 发展短序列分析的有效方法 | 第14-15页 |
| §1.3 本文的主要研究内容及章节结构 | 第15-17页 |
| §1.3.1 本文研究的创新点 | 第15-16页 |
| §1.3.2 章节结构 | 第16-17页 |
| 第二章 扩散熵理论和时间序列分析方法 | 第17-24页 |
| §2.1 扩散熵理论 | 第17-18页 |
| §2.2 时间序列分析的基本方法 | 第18-24页 |
| §2.2.1 分数布朗运动 | 第18-19页 |
| §2.2.2 R/S 分析法 | 第19-20页 |
| §2.2.3 去趋势波动分析 | 第20-21页 |
| §2.2.4 去趋势交叉相关分析 | 第21-22页 |
| §2.2.5 金融时间序列及其特征 | 第22-24页 |
| 第三章 运用扩散熵的平衡估计探测人体生理信号中的标度行为 | 第24-38页 |
| §3.1 前言 | 第24-25页 |
| §3.2 方法和材料 | 第25-30页 |
| §3.2.1 扩散熵 | 第25-26页 |
| §3.2.2 扩散熵的平衡估计 | 第26-27页 |
| §3.2.3 数据处理 | 第27-30页 |
| §3.3 结论 | 第30-36页 |
| §3.3.1 睡眠状态的标度行为研究 | 第30-32页 |
| §3.3.2 行走序列的标度行为研究 | 第32-36页 |
| §3.4 本章小结 | 第36-38页 |
| 第四章 DNA 序列中编码区的识别 | 第38-50页 |
| §4.1 问题分析 | 第39-40页 |
| §4.2 材料及模型的构建 | 第40-46页 |
| §4.2.1 材料 | 第40页 |
| §4.2.2 模型的构建及分析 | 第40-46页 |
| §4.3 预测编码区 | 第46-49页 |
| §4.4 本章小结 | 第49-50页 |
| 第五章 基于扩散熵理论的投资组合优化 | 第50-56页 |
| §5.1 分形市场理论 | 第50-52页 |
| §5.1.1 分形理论 | 第50-51页 |
| §5.1.2 分形维数 | 第51-52页 |
| §5.2 投资组合风险的度量 | 第52-54页 |
| §5.2.1 数据处理 | 第52-53页 |
| §5.2.2 基于分形维的组合优化模型 | 第53-54页 |
| §5.3 基金组合模型的结果分析 | 第54-55页 |
| §5.4 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| §6.1 总结 | 第56-57页 |
| §6.2 本文未解决的问题以及后续的研究方向 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 在读期间公开发表的论文和承担科研项目及取得成果 | 第63-64页 |
| 致谢 | 第64页 |