| 致谢 | 第9-10页 |
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第20-36页 |
| 1.1 研究背景及意义 | 第20-21页 |
| 1.2 时间序列数据流模式挖掘研究现状 | 第21-32页 |
| 1.2.1 时间序列数据流的表示和维数约减研究现状 | 第21-24页 |
| 1.2.2 时间序列数据流分析中的相似度计算的研究现状 | 第24-26页 |
| 1.2.3 时间序列数据流的分形特征的研究现状 | 第26-27页 |
| 1.2.4 时间序列数据流的模式挖掘研究现状 | 第27-32页 |
| 1.3 本文工作 | 第32-36页 |
| 1.3.1 本文的主要研究内容 | 第32-34页 |
| 1.3.2 本文的组织结构 | 第34-36页 |
| 第二章 数据流挖掘的基本概念及相关技术概述 | 第36-51页 |
| 2.1 数据流模型及其特点 | 第36-38页 |
| 2.1.1 数据流模型 | 第36-37页 |
| 2.1.2 数据流特点 | 第37-38页 |
| 2.2 数据流挖掘技术 | 第38-49页 |
| 2.2.1 窗口技术 | 第39-41页 |
| 2.2.2 动态抽样技术 | 第41-44页 |
| 2.2.3 概要数据结构 | 第44-49页 |
| 2.3 数据流实时分析方法 | 第49-50页 |
| 2.4 本章小结 | 第50-51页 |
| 第三章 时间序列数据流多分辨率动态分段表示方法 | 第51-68页 |
| 3.1 时间序列数据流分段概述 | 第51-52页 |
| 3.2 时间序列数据流多分辨率动态分段的基本概念及计算方法 | 第52-61页 |
| 3.2.1 时间序列数据流多分辨率动态分段的基本概念及相关技术 | 第52-56页 |
| 3.2.2 时间序列数据流多分辨率动态分段的计算方法 | 第56-61页 |
| 3.3 时间序列数据流多分辨率动态分段的相关实验及分析 | 第61-67页 |
| 3.3.1 在线离散二进小波变换分析 | 第61-62页 |
| 3.3.2 EFSW分段算法性能分析 | 第62-65页 |
| 3.3.3 多分辨率分段算法分析 | 第65-67页 |
| 3.4 本章小结 | 第67-68页 |
| 第四章 时间序列数据流多粒度时变分形维数计算方法 | 第68-93页 |
| 4.1 分形维数及其计算方法概述 | 第68-71页 |
| 4.1.1 分形维数的定义 | 第68-69页 |
| 4.1.2 分形维数的计算方法 | 第69-71页 |
| 4.2 时间序列数据流多粒度时变分形维数的基本概念和计算方法 | 第71-80页 |
| 4.2.1 时间序列数据流多粒度时变分形维数的相关概念 | 第72-73页 |
| 4.2.2 时间序列数据流多粒度时变分形维数的计算方法 | 第73-80页 |
| 4.3 时间序列数据流多粒度时变分形维数计算的相关算法及实验分析 | 第80-92页 |
| 4.3.1 时间序列数据流多粒度时变分形维数计算的相关算法 | 第80-83页 |
| 4.3.2 时间序列数据流多粒度时变分形维数计算实验分析 | 第83-92页 |
| 4.4 本章小结 | 第92-93页 |
| 第五章 时间序列数据流频繁模式挖掘方法 | 第93-115页 |
| 5.1 时间序列数据流频繁模式挖掘概述 | 第93-95页 |
| 5.2 时间序列数据流多分辨率趋势符号表示方法 | 第95-102页 |
| 5.2.1 多分辨率趋势符号表示的相关概念及意义 | 第95-100页 |
| 5.2.2 多分辨率趋势符号表示的计算方法 | 第100-102页 |
| 5.3 时间序列数据流多分辨率频繁趋势模式挖掘方法 | 第102-110页 |
| 5.3.1 时间序列数据流多分辨率频繁趋势模式的特征及概念 | 第102-107页 |
| 5.3.2 时间序列数据流多分辨率频繁趋势模式挖掘算法 | 第107-110页 |
| 5.4 时间序列数据流多分辨率频繁趋势模式挖掘的相关实验及分析 | 第110-114页 |
| 5.4.1 已知植入频繁模式的挖掘 | 第110-112页 |
| 5.4.2 性能分析 | 第112-114页 |
| 5.5 本章小结 | 第114-115页 |
| 第六章 金融时间序列数据流复杂模式分析研究 | 第115-132页 |
| 6.1 金融时间序列数据流复杂模式分析概述 | 第115-116页 |
| 6.2 金融时间序列数据流复杂聚类模式挖掘方法 | 第116-122页 |
| 6.2.1 金融时间序列数据流相似度计算方法 | 第117-120页 |
| 6.2.2 金融时间序列数据流聚类模式挖掘算法 | 第120-122页 |
| 6.3 金融时间序列数据流聚类模式挖掘相关实验 | 第122-129页 |
| 6.3.1 多粒度时变分形维数计算 | 第122-124页 |
| 6.3.2 基于多粒度时变分形维数相似度的聚类分析 | 第124-126页 |
| 6.3.3 基于不同分辨率的聚类模式演化分析 | 第126-129页 |
| 6.4 金融时间序列数据流复杂模式挖掘体系结构 | 第129-131页 |
| 6.5 本章小结 | 第131-132页 |
| 第七章 总结与展望 | 第132-135页 |
| 7.1 论文工作的总结 | 第132-134页 |
| 7.2 展望 | 第134-135页 |
| 参考文献 | 第135-150页 |
| 攻读博士学位期间的学术活动及成果情况 | 第150-151页 |
