| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·研究背景与意义 | 第9-10页 |
| ·研究现状与存在的问题 | 第10-15页 |
| ·国内外研究现状 | 第10-14页 |
| ·存在的问题 | 第14-15页 |
| ·本文的研究内容 | 第15-17页 |
| 2 基于信息离散度函数的时间序列相似性度量方法 | 第17-30页 |
| ·信息离散度函数简介 | 第17-20页 |
| ·FDOD函数的定义 | 第17-18页 |
| ·FDOD函数的性质 | 第18-20页 |
| ·时间序列相似性度量的一般方法 | 第20-24页 |
| ·影响序列相似性度量的因素 | 第20-22页 |
| ·相似性度量的主要方法 | 第22-24页 |
| ·基于FDOD的时间序列相似性度量方法 | 第24-26页 |
| ·单变量时间序列相似性度量 | 第24-25页 |
| ·多变量时间序列相似性度量 | 第25-26页 |
| ·数值实验 | 第26-29页 |
| ·人工数据 | 第26-27页 |
| ·股票数据 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于率失真理论的模糊聚类分析 | 第30-45页 |
| ·率失真理论简介 | 第30-33页 |
| ·失真测度 | 第30-32页 |
| ·率失真函数的定义 | 第32页 |
| ·率失真函数的性质 | 第32-33页 |
| ·基于目标函数的模糊聚类分析 | 第33-35页 |
| ·聚类目标函数 | 第33-34页 |
| ·模糊C均值算法 | 第34-35页 |
| ·基于率失真理论的模糊聚类模型与算法 | 第35-39页 |
| ·聚类模型的建立 | 第35-37页 |
| ·模型的求解 | 第37-38页 |
| ·FC-RD算法设计 | 第38-39页 |
| ·数值实验 | 第39-44页 |
| ·实验数据及环境 | 第39页 |
| ·参数T的讨论 | 第39-40页 |
| ·FC-RD算法与FCM算法的比较 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 4 基于FDOD的FC-RD时间序列聚类算法应用于指数优化复制 | 第45-50页 |
| ·背景介绍 | 第45-46页 |
| ·基于FDOD的FC-RD时间序列聚类算法 | 第46页 |
| ·指数跟踪模型 | 第46-47页 |
| ·实证分析 | 第47-49页 |
| ·实验数据及环境 | 第47页 |
| ·聚类指标的选取 | 第47页 |
| ·实验结果及分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |