时间序列数据挖掘及其可视化研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-19页 |
| ·数据挖掘概述 | 第12-14页 |
| ·数据挖掘技术的产生 | 第12页 |
| ·数据挖掘的工作过程 | 第12-13页 |
| ·数据挖掘的分类 | 第13-14页 |
| ·可视化产生的背景 | 第14-15页 |
| ·可视化技术的特点、方法及关键技术 | 第15-16页 |
| ·可视化技术的工作过程 | 第16-18页 |
| ·数据获取 | 第16页 |
| ·数据理解与分类 | 第16-17页 |
| ·特征描述 | 第17页 |
| ·数据重建 | 第17页 |
| ·视觉化造型 | 第17-18页 |
| ·图像合成及动画处理 | 第18页 |
| ·可视化技术的应用 | 第18-19页 |
| 第二章 时间序列数据挖掘及可视化 | 第19-27页 |
| ·时间序列的定义 | 第19-20页 |
| ·时间序列分析在理论上的进展 | 第20页 |
| ·时间序列数据挖掘的相关研究 | 第20-25页 |
| ·相似搜索 | 第20-24页 |
| ·模式挖掘 | 第24-25页 |
| ·时间序列数据的可视化 | 第25-27页 |
| 第三章 支持向量回归技术 | 第27-43页 |
| ·最优化问题及其基本理论 | 第27-30页 |
| ·最优化问题 | 第27-30页 |
| ·最优性条件 | 第30页 |
| ·结构风险最小化原理 | 第30-32页 |
| ·函数集的VC维 | 第30-31页 |
| ·结构风险最小化原理 | 第31-32页 |
| ·求解回归问题的直观途径 | 第32-35页 |
| ·回归问题 | 第32-33页 |
| ·线性回归问题与硬ε-带超平面 | 第33-34页 |
| ·支持向量回归机 | 第34-35页 |
| ·回归估计与支持向量回归机 | 第35-40页 |
| ·回归问题 | 第35-37页 |
| ·ε-支持向量回归机 | 第37-40页 |
| ·用于函数拟合的支持向量机 | 第40-41页 |
| ·核函数简介 | 第41-43页 |
| 第四章 基于分类SVM的时间序列预测研究 | 第43-56页 |
| ·时间序列预测 | 第43-45页 |
| ·支持向量机用于预测问题 | 第45页 |
| ·基于分类SVM的回归算法(CSVR) | 第45-49页 |
| ·概述 | 第45-46页 |
| ·CSVR网络训练算法 | 第46-47页 |
| ·CSVR回归算法 | 第47-48页 |
| ·算法中ε值和σ初始值的计算方法 | 第48-49页 |
| ·基于CSVR的时间序列预测实验 | 第49-50页 |
| ·实验描述 | 第49-50页 |
| ·实验结果 | 第50页 |
| ·结果讨论 | 第50页 |
| ·基于CSVR的时间序列可视化 | 第50-55页 |
| ·结论 | 第55-56页 |
| 第五章 总结与展望 | 第56-59页 |
| ·总结 | 第56页 |
| ·有待进一步研究的问题 | 第56-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表论文 | 第62页 |
