| 摘要 | 第1-10页 |
| ABSTRACT | 第10-13页 |
| 致谢 | 第13-14页 |
| 目录 | 第14-17页 |
| 插图清单 | 第17-19页 |
| 表格清单 | 第19-20页 |
| 第一章 绪论 | 第20-32页 |
| ·研究背景 | 第20-21页 |
| ·时频分析方法回顾 | 第21-23页 |
| ·Fourier变换及 ZFFT变换 | 第21页 |
| ·短时傅立叶变换(STFT) | 第21-22页 |
| ·小波变换 | 第22-23页 |
| ·Wigner-Ville分布 | 第23页 |
| ·经验模态分解方法的提出和研究现状 | 第23-25页 |
| ·动态数据挖掘 | 第25-29页 |
| ·相似序列的查询问题 | 第26-27页 |
| ·时间序列中的知识发现 | 第27-28页 |
| ·时间序列的符号化 | 第28-29页 |
| ·本文工作内容与组织结构 | 第29-32页 |
| 第二章 基于 EMD的时频分析理论和算法 | 第32-40页 |
| ·引言 | 第32页 |
| ·EMD方法的基本理论和算法 | 第32-35页 |
| ·EMD方法的基本理论 | 第32-35页 |
| ·EMD方法的完备性和正交性 | 第35页 |
| ·基于 EMD的希尔伯特变换基本理论和算法 | 第35-36页 |
| ·基于 EMD时频分析方法验证 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第三章 EMD中的端点问题 | 第40-55页 |
| ·引言 | 第40页 |
| ·端点问题的机理和影响 | 第40-43页 |
| ·已有的端点问题解决方法回顾 | 第43-49页 |
| ·神经网络延拓算法 | 第43-48页 |
| ·镜像延拓算法 | 第48-49页 |
| ·基于多项式拟合的端点问题处理方法 | 第49-53页 |
| ·基于多项式拟合的端点问题解决方法 | 第49-51页 |
| ·三种算法的比较 | 第51-53页 |
| ·结论 | 第53页 |
| ·本章小结 | 第53-55页 |
| 第四章 EMD的改进与优化 | 第55-66页 |
| ·引言 | 第55页 |
| ·两种形成包络线的插值方法 | 第55-58页 |
| ·埃尔米特 Hermite插值 | 第55-56页 |
| ·三次样条插值 | 第56-57页 |
| ·两种插值的比较 | 第57-58页 |
| ·利用样条插值获取包络线 | 第58-60页 |
| ·利用样条插值获取包络线 | 第58-59页 |
| ·实验 | 第59-60页 |
| ·基于极值点均值的 EMD算法 | 第60-65页 |
| ·利用样条插值获取包络线存在的问题和已有的解决方法 | 第60-62页 |
| ·提出的样条插值存在问题的解决方法 | 第62-64页 |
| ·实验及结果分析 | 第64-65页 |
| ·结论 | 第65页 |
| ·本章小结 | 第65-66页 |
| 第五章 动态数据挖掘中的时间序列匹配 | 第66-78页 |
| ·引言 | 第66页 |
| ·基于交叉覆盖算法的序列匹配算法 | 第66-72页 |
| ·引言 | 第66-67页 |
| ·前向神经网络交叉覆盖算法 | 第67-68页 |
| ·基于交叉覆盖算法的时间序列模式匹配 | 第68-70页 |
| ·实验 | 第70-71页 |
| ·结论 | 第71-72页 |
| ·基于 EMD和覆盖算法的序列匹配算法 | 第72-76页 |
| ·引言 | 第72页 |
| ·基于 EMD和覆盖算法的时间序列相似模式匹配算法 | 第72-74页 |
| ·实验 | 第74-76页 |
| ·结论 | 第76页 |
| ·本章小结 | 第76-78页 |
| 第六章 动态数据挖掘中的聚类 | 第78-92页 |
| ·引言 | 第78页 |
| ·聚类相关研究 | 第78-81页 |
| ·利用 EMD实现数据维度的约简 | 第81-85页 |
| ·常用的时间序列线性分段算法研究 | 第81-83页 |
| ·基于 EMD的时间序列维度约简算法 | 第83-85页 |
| ·基于 EMD和 K-means算法的时间序列聚类方法 | 第85-91页 |
| ·引言 | 第85页 |
| ·K-means算法 | 第85-86页 |
| ·基于 EMD和 K-means算法的时间序列聚类方法 | 第86-91页 |
| ·结论 | 第91页 |
| ·本章小结 | 第91-92页 |
| 第七章 基于经验模态分解及动态数据挖掘的商务数据分析 | 第92-102页 |
| ·引言 | 第92页 |
| ·基于EMD和交叉覆盖算法的个人信用的评估 | 第92-96页 |
| ·个人信用评估的必要性与常用方法 | 第92-94页 |
| ·基于 EMD和交叉覆盖算法的个人信用评估 | 第94-96页 |
| ·基于 EMD和 K-means算法的客户行为聚类 | 第96-101页 |
| ·交易数据聚类 | 第97-99页 |
| ·基于 EMD和 K-means算法的客户行为聚类 | 第99-101页 |
| ·本章小结 | 第101-102页 |
| 第八章 总结与展望 | 第102-104页 |
| ·论文工作的总结 | 第102-103页 |
| ·展望 | 第103-104页 |
| 参考文献 | 第104-113页 |
| 在读期间参加的科研工作和发表论文情况 | 第113-114页 |
