基于LB_Hust距离的时间序列数据聚类
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 时间序列数据挖掘综述 | 第7-8页 |
| 1.1.1 时间序列数据概念 | 第7页 |
| 1.1.2 时间序列数据挖掘任务 | 第7-8页 |
| 1.2 时间序列数据聚类的背景和意义 | 第8-9页 |
| 1.3 研究内容 | 第9-10页 |
| 1.4 文章结构 | 第10-11页 |
| 第二章 时间序列聚类基础 | 第11-19页 |
| 2.1 聚类分析 | 第11-13页 |
| 2.1.1 聚类算法研究现状 | 第11-12页 |
| 2.1.2 聚类算法步骤 | 第12-13页 |
| 2.2 时间序列数据的聚类 | 第13-19页 |
| 2.2.1 时间序列数据的定义和特点 | 第13-14页 |
| 2.2.2 时间序列的相似性度量 | 第14-16页 |
| 2.2.3 时间序列距离计算 | 第16-17页 |
| 2.2.4 时间序列聚类算法 | 第17-19页 |
| 第三章 基于LB_Hust距离的时间序列聚类设计 | 第19-48页 |
| 3.1 时间序列的表示 | 第19-22页 |
| 3.2 时间序列距离计算 | 第22-29页 |
| 3.3 LB_Hust距离下的相似性比较 | 第29-36页 |
| 3.3.1 DTW定义 | 第29-31页 |
| 3.3.2 DTW特点和复杂度分析 | 第31-32页 |
| 3.3.3 基于DTW思想的距离计算方法 | 第32-34页 |
| 3.3.4 LB_Hust距离计算方法 | 第34-36页 |
| 3.4 基于LB_Hust距离的层次聚类 | 第36-48页 |
| 3.4.1 算法流程 | 第36-38页 |
| 3.4.2 基于LB_Hust距离矩阵的层次聚类 | 第38-39页 |
| 3.4.3 算法性能分析和改进 | 第39-42页 |
| 3.4.4 算法效果分析和改进 | 第42-48页 |
| 第四章 股票时间序列数据聚类 | 第48-60页 |
| 4.1 任务描述 | 第48-49页 |
| 4.2 数据准备 | 第49-51页 |
| 4.2.1 股票数据空值的处理 | 第49-50页 |
| 4.2.2 股票数据的归一化 | 第50-51页 |
| 4.3 股票数据聚类 | 第51-55页 |
| 4.4 效果分析和评估 | 第55-60页 |
| 4.4.1 LB_Hust两种距离下的效果分析 | 第55-58页 |
| 4.4.2 最大允许簇数的选择 | 第58-60页 |
| 第五章 总结和展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 发表论文和参加科研情况说明 | 第64-65页 |
| 致谢 | 第65页 |
