基于象限近邻与DFT的时间序列缺失值填充研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-15页 |
| 1.1 数据预处理概述 | 第7-10页 |
| 1.2 研究背景及意义 | 第10-13页 |
| 1.2.1 数据挖掘研究现状 | 第10-11页 |
| 1.2.2 大数据时代数据挖掘面临的挑战 | 第11-12页 |
| 1.2.3 数据缺失值填充算法研究的意义 | 第12-13页 |
| 1.3 论文的研究内容 | 第13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 2 数据缺失值填充方法概述 | 第15-20页 |
| 2.1 数据的邻近性度量方法 | 第15-17页 |
| 2.1.1 标称属性的邻近性度量 | 第15页 |
| 2.1.2 二元属性的邻近性度量 | 第15-16页 |
| 2.1.3 数值属性的相异性 | 第16-17页 |
| 2.1.4 序数属性的邻近性度量 | 第17页 |
| 2.1.5 余弦相似性 | 第17页 |
| 2.2 最近邻填充算法 | 第17-20页 |
| 2.2.1 kNN算法概述 | 第17-18页 |
| 2.2.2 kNN算法的研究现状 | 第18-19页 |
| 2.2.3 kNNI缺失值填充算法 | 第19-20页 |
| 3 DDWQ填充算法设计与实现 | 第20-28页 |
| 3.1 算法引言 | 第20页 |
| 3.2 QENNI算法概述 | 第20-21页 |
| 3.3 DDWQ算法设计 | 第21-26页 |
| 3.3.1 QENNI算法分析 | 第21-22页 |
| 3.3.2 距离权重定义 | 第22-23页 |
| 3.3.3 密度权重定义 | 第23-24页 |
| 3.3.4 混合权重定义 | 第24页 |
| 3.3.5 DDWQ算法定义 | 第24-25页 |
| 3.3.6 算法实现 | 第25-26页 |
| 3.4 实验和结果 | 第26-27页 |
| 3.4.1 数据集介绍 | 第26页 |
| 3.4.2 结果评价方法 | 第26页 |
| 3.4.3 实验结果分析 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 4 基于DFT的时间序列缺失值填充算法 | 第28-43页 |
| 4.1 时间序列概述 | 第28-32页 |
| 4.1.1 时间序列定义 | 第28页 |
| 4.1.2 时间序列的研究方向 | 第28-29页 |
| 4.1.3 时间序列的相似性判定 | 第29-32页 |
| 4.2 离散傅里叶变换概述 | 第32-35页 |
| 4.2.1 傅里叶变换介绍 | 第32-34页 |
| 4.2.2 基于DFT的相似性计算 | 第34-35页 |
| 4.3 时间序列趋势与周期分析 | 第35-37页 |
| 4.3.1 时间序列趋势分析 | 第35-36页 |
| 4.3.2 时间序列周期性分析 | 第36-37页 |
| 4.4 基于DFT距离的密度聚类算法 | 第37-39页 |
| 4.5 混合时间序列缺失值填充算法 | 第39-41页 |
| 4.5.1 混合时间序列缺失值填充算法概述 | 第39-40页 |
| 4.5.2 混合时间序列缺失值填充算法定义 | 第40-41页 |
| 4.6 实验与结果 | 第41-43页 |
| 5 时间序列存储系统设计概述 | 第43-48页 |
| 5.1 常见的时间序列存储模式 | 第43-46页 |
| 5.1.1 基于文件的存储方式 | 第43-44页 |
| 5.1.2 基于SQL的星型存储模式 | 第44-45页 |
| 5.1.3 基于NoSQL的宽表数据存储模式 | 第45页 |
| 5.1.4 混合模式设计的宽表模式 | 第45-46页 |
| 5.2 时间序列存储系统设计 | 第46-48页 |
| 5.2.1 基于列的时间序列存储系统设计 | 第46-47页 |
| 5.2.2 系统性能测试 | 第47-48页 |
| 6 总结和展望 | 第48-51页 |
| 6.1 结论 | 第48-49页 |
| 6.2 贡献 | 第49页 |
| 6.3 未来的工作 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 个人简介 | 第54-55页 |
| 第一导师简介 | 第55-56页 |
| 第二导师简介 | 第56-57页 |
| 获得成果目录 | 第57-58页 |
| 致谢 | 第58页 |
