| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 时间序列复杂性研究背景 | 第12-14页 |
| 1.3 时间序列递归性研究背景 | 第14-15页 |
| 1.4 论文内容框架 | 第15-16页 |
| 2 细化二元熵模型及其在金融市场上的应用 | 第16-27页 |
| 2.1 基于两个一元熵统计特性建立的细化二元熵模型 | 第16-20页 |
| 2.2 多尺度分析方法 | 第20-22页 |
| 2.2.1 二元熵的多尺度分析模型 | 第20-22页 |
| 2.2.2 分析算法 | 第22页 |
| 2.3 数据 | 第22-23页 |
| 2.4 结果与讨论 | 第23-27页 |
| 3 基于奇异值谱的递归定量分析及在模拟信号上的检验 | 第27-38页 |
| 3.1 基于奇异值分解的递归定量分析 | 第27-30页 |
| 3.1.1 时间序列的相空间重构 | 第27-28页 |
| 3.1.2 递归图 | 第28页 |
| 3.1.3 奇异值分解 | 第28-29页 |
| 3.1.4 奇异值谱和主奇异值比例(PSVP) | 第29-30页 |
| 3.1.5 基于奇异值谱的递归定量分析算法 | 第30页 |
| 3.2 模拟时间序列测试 | 第30-38页 |
| 3.2.1 高斯白噪声的定量递归实验 | 第31-32页 |
| 3.2.2 逻辑映射的定量递归实验 | 第32-38页 |
| 4 多类型递归定量分析在交通流和心率信号上的应用 | 第38-48页 |
| 4.1 递归定量分析模型 | 第38-39页 |
| 4.2 递归定量分析模型在心率信号上的应用 | 第39-42页 |
| 4.2.1 心率信号特征 | 第39-40页 |
| 4.2.2 心电图数据 | 第40页 |
| 4.2.3 心率信号的奇异值谱和多类型递归定量分析 | 第40-42页 |
| 4.3 奇异值谱和PSVP模型在交通流信号上的应用 | 第42-48页 |
| 4.3.1 交通流信号特征 | 第42-43页 |
| 4.3.2 交通流数据 | 第43页 |
| 4.3.3 交通流信号的奇异值谱和PSVP分析 | 第43-48页 |
| 5 结论 | 第48-51页 |
| 参考文献 | 第51-54页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第54-56页 |
| 学位论文数据集 | 第56页 |
