| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.3 本文研究内容 | 第18页 |
| 1.4 论文结构 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 2 相关理论 | 第20-26页 |
| 2.1 时间序列shapelets分类方法概述 | 第20-21页 |
| 2.2 趋势特征符号化 | 第21-22页 |
| 2.3 多维时间序列shapelets分类方法概述 | 第22-23页 |
| 2.4 集成学习相关理论 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于趋势特征表示的shapelets分类方法 | 第26-43页 |
| 3.1 引言 | 第26-27页 |
| 3.2 符号与定义 | 第27-28页 |
| 3.3 TDTS算法 | 第28-36页 |
| 3.4 实验与分析 | 第36-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 基于TDTS的多维时间序列分类方法 | 第43-53页 |
| 4.1 引言 | 第43页 |
| 4.2 增强多样性相关方法 | 第43-44页 |
| 4.3 T-MTSC算法 | 第44-47页 |
| 4.4 实验与分析 | 第47-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 多维时间序列分类原型系统设计与实现 | 第53-61页 |
| 5.1 系统框架 | 第53-55页 |
| 5.2 系统实现 | 第55-56页 |
| 5.3 系统功能 | 第56-60页 |
| 5.4 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 研究总结 | 第61-62页 |
| 6.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-70页 |
| 作者简历 | 第70-72页 |
| 学位论文数据集 | 第72页 |