| 中文摘要 | 第4-6页 |
| 英文摘要 | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 单变量时间序列早期分类研究现状 | 第12-13页 |
| 1.2.2 多变量时间序列早期分类研究现状 | 第13-14页 |
| 1.3 论文的主要工作 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 2 基于PAA的单变量时间序列早期分类 | 第17-32页 |
| 2.1 研究基础 | 第17-20页 |
| 2.1.1 基本概念 | 第17-18页 |
| 2.1.2 分段聚合近似PAA | 第18-19页 |
| 2.1.3 威尔克森符号秩检验 | 第19-20页 |
| 2.2 基于PAA的单变量时间序列早期分类算法 | 第20-21页 |
| 2.3 实验 | 第21-31页 |
| 2.3.1 数据集描述 | 第21-22页 |
| 2.3.2 性能比较 | 第22-28页 |
| 2.3.3 参数对算法性能的影响 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 基于centersequence的MTS早期分类 | 第32-41页 |
| 3.1 研究基础 | 第32页 |
| 3.2 基于centersequence的MTS早期分类算法 | 第32-36页 |
| 3.2.1 center-sequence_ECMTS算法 | 第32-34页 |
| 3.2.2 MTSECP算法 | 第34-36页 |
| 3.3 实验 | 第36-40页 |
| 3.3.1 数据集描述 | 第36-37页 |
| 3.3.2 实验结果 | 第37-38页 |
| 3.3.3 参数对算法性能的影响 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 基于变量融合的MTS早期分类 | 第41-50页 |
| 4.1 研究基础 | 第41-43页 |
| 4.1.1 基本概念 | 第41页 |
| 4.1.2 多分类器融合 | 第41-42页 |
| 4.1.3 变量子集选取 | 第42-43页 |
| 4.2 基于融合的多变量时间序列早期分类方法 | 第43-46页 |
| 4.2.1 ECMTSEn算法 | 第43-45页 |
| 4.2.2 FSECMTSEn算法 | 第45-46页 |
| 4.3 实验 | 第46-49页 |
| 4.3.1 数据集描述 | 第46-47页 |
| 4.3.2 实验结果 | 第47-48页 |
| 4.3.3 参数对算法性能的影响 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间取得的科研成果清单 | 第58页 |
