| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题背景与研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 1.4 本文的章节安排 | 第13-14页 |
| 第二章 云模型理论 | 第14-38页 |
| 2.1 云模型的基本概念 | 第14-16页 |
| 2.1.1 云与云滴 | 第14-15页 |
| 2.1.2 云的数字特征 | 第15-16页 |
| 2.2 正态云模型 | 第16页 |
| 2.3 正态云模型的概率统计分析 | 第16-20页 |
| 2.3.1 云滴X的概率统计分析 | 第16-18页 |
| 2.3.2 隶属度μ的概率统计分析 | 第18-19页 |
| 2.3.3 正态云的联合分布统计分析 | 第19页 |
| 2.3.4 正态云的期望曲线 | 第19-20页 |
| 2.4 云模型的雾化特性分析 | 第20-21页 |
| 2.5 云模型发生器 | 第21-32页 |
| 2.5.1 正向正态云模型发生器 | 第21-23页 |
| 2.5.2 条件云发生器 | 第23页 |
| 2.5.3 云滴对概念的贡献度 | 第23-24页 |
| 2.5.4 逆向正态云模型发生器 | 第24-32页 |
| 2.6 相似云及其度量分析方法 | 第32-37页 |
| 2.6.1 最大最小贴近度（Maximum and Minimum based Cloud Model,MMCM） | 第33-34页 |
| 2.6.2 算术平均最小贴近度（Arithmetic Mean and Minimum based CloudModel,AMMCM） | 第34-35页 |
| 2.6.3 仿真实验 | 第35-37页 |
| 2.6.4 实证分析 | 第37页 |
| 2.7 本章小结 | 第37-38页 |
| 第三章 基于云模型的时间序列预测 | 第38-48页 |
| 3.1 时间序列数据离散化 | 第38-40页 |
| 3.1.1 云变换算法 | 第38-40页 |
| 3.2 概念跃升策略及算法 | 第40-42页 |
| 3.3 时间序列集的划分 | 第42-44页 |
| 3.4 基于云的关联规则挖掘 | 第44-45页 |
| 3.5 不确定性推理 | 第45-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 实证分析 | 第48-55页 |
| 本章小结 | 第53-55页 |
| 第五章 结论及展望 | 第55-56页 |
| 5.1 全文总结 | 第55页 |
| 5.2 后续工作展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 攻读硕士期间的研究成果 | 第59-60页 |
| 附录 | 第60-62页 |