| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 时序聚类现状分析 | 第10-12页 |
| 1.2.2 时序预测现状分析 | 第12-13页 |
| 1.3 本文研究目标及内容 | 第13-14页 |
| 1.4 本文结构安排 | 第14-16页 |
| 第2章 时序聚类和预测的相关介绍 | 第16-25页 |
| 2.1 聚类及预测的分析方法概述 | 第16-17页 |
| 2.2 样本相似性度量 | 第17-19页 |
| 2.2.1 欧式距离 | 第17页 |
| 2.2.2 马氏距离 | 第17-18页 |
| 2.2.3 DTW距离 | 第18页 |
| 2.2.4 互信息 | 第18-19页 |
| 2.3 聚类方法相关研究综述 | 第19-22页 |
| 2.3.1 层次聚类 | 第19-20页 |
| 2.3.2 密度聚类 | 第20-21页 |
| 2.3.3 分区聚类 | 第21页 |
| 2.3.4 网格聚类 | 第21页 |
| 2.3.5 其他聚类方法 | 第21-22页 |
| 2.4 预测模型相关研究综述 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第3章 密度聚类方法--ATD | 第25-37页 |
| 3.1 密度聚类问题 | 第25-28页 |
| 3.1.1 定义密度和距离 | 第25-26页 |
| 3.1.2 密度核发现问题--以DPC为例 | 第26-27页 |
| 3.1.3 二维聚类有效性分析 | 第27-28页 |
| 3.2 密度聚类ATD算法 | 第28-36页 |
| 3.2.1 NV熵密度估计方法 | 第28-29页 |
| 3.2.2 基于熵的密度可达 | 第29-31页 |
| 3.2.3 ATD密度聚类过程 | 第31-34页 |
| 3.2.4 二维聚类有效性分析 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 时序子集回归与模型调谐方法 | 第37-49页 |
| 4.1 weighted-LS SVR | 第37-40页 |
| 4.1.1 LSSVR | 第37-38页 |
| 4.1.2 欧式距离调整 | 第38-39页 |
| 4.1.3 样本子集及其预测算法 | 第39-40页 |
| 4.2 TSSVM时间序列预测 | 第40-45页 |
| 4.2.1 Rank熵值约束样本识别 | 第40-42页 |
| 4.2.2 Rank熵聚类原理分析 | 第42-43页 |
| 4.2.3 自适应生成同步实例 | 第43-45页 |
| 4.3 CBSVM时间序列预测 | 第45-47页 |
| 4.3.1 基于DPC的CBSVM模型时序预测 | 第45-46页 |
| 4.3.2 基于ATD的CBSVM模型时序预测 | 第46-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第5章 算法实验设计分析 | 第49-58页 |
| 5.1 实验环境和实验数据 | 第49页 |
| 5.2 实验过程与评测方法 | 第49-50页 |
| 5.3 TSSVM和CBSVM模型对于时序预测的实验结果与分析 | 第50-52页 |
| 5.4 不同模型对于时序预测的实验结果对比汇总 | 第52-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-61页 |
| 6.1 论文工作总结 | 第58-59页 |
| 6.2 未来工作展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间的科研工作情况 | 第64-65页 |
| 致谢 | 第65-66页 |