面向时间序列分类的实例选择策略
| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 引言 | 第8-12页 |
| ·研究背景及意义 | 第8-9页 |
| ·时间序列分类研究背景 | 第8页 |
| ·实例选择算法研究背景 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·时间序列分类研究现状 | 第9-10页 |
| ·时间序列实例选择算法研究现状 | 第10-11页 |
| ·本文研究内容及组织结构 | 第11-12页 |
| 第二章 相关工作综述 | 第12-29页 |
| ·时间序列分类介绍 | 第12-19页 |
| ·基本定义与问题描述 | 第12-14页 |
| ·时间序列分类和传统分类 | 第14页 |
| ·时间序列分类算法 | 第14-17页 |
| ·时间序列的hubness特性 | 第17-19页 |
| ·时间序列距离度量 | 第19-21页 |
| ·欧式距离 | 第19页 |
| ·DTW距离 | 第19-21页 |
| ·实例选择算法概述 | 第21-25页 |
| ·问题定义 | 第22页 |
| ·算法分类 | 第22-23页 |
| ·实例选择中的问题 | 第23-25页 |
| ·实验数据及协议 | 第25-28页 |
| ·实验数据 | 第25-26页 |
| ·k折交叉验证 | 第26-27页 |
| ·Wilcoxon符号秩检验 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于hubness的贪心实例选择算法 | 第29-36页 |
| ·INSIGHT算法 | 第29页 |
| ·BINSIGHT算法 | 第29-31页 |
| ·两阶段BINSIGHT | 第31-32页 |
| ·实验及分析 | 第32-34页 |
| ·实验设置 | 第32页 |
| ·结果及分析 | 第32-34页 |
| ·抗噪性分析 | 第34页 |
| ·本章小结 | 第34-36页 |
| 第四章 基于hubness的启发式实例选择算法 | 第36-50页 |
| ·问题描述 | 第36页 |
| ·粒子群优化(PSO) | 第36-38页 |
| ·从生物学到智能优化的免疫原理 | 第38-39页 |
| ·免疫二进制粒子群优化算法(IBPSO) | 第39-41页 |
| ·实验及分析 | 第41-49页 |
| ·中小数据集上的实验 | 第41-43页 |
| ·噪声的影响 | 第43-45页 |
| ·大数据集上的实验 | 第45-46页 |
| ·参数的合适选取 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 集成实例选择算法 | 第50-53页 |
| ·问题描述 | 第50页 |
| ·两阶段集成策略 | 第50-51页 |
| ·实验及分析 | 第51页 |
| ·本章小结 | 第51-53页 |
| 总结与展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 个人简历 | 第60页 |
| 在学期间的研究成果及发表的学术论文 | 第60页 |
