动态时间序列周期分析预测模型
| 第1章 绪论 | 第1-14页 |
| 1．1 引言 | 第6页 |
| 1．2 什么是数据库知识发现KDD | 第6页 |
| 1．3 数据库知识发现的步骤 | 第6-8页 |
| 1．4 数据挖掘的任务 | 第8-10页 |
| 1．5 数据挖掘技术演变 | 第10-11页 |
| 1．6 数据挖掘的应用 | 第11页 |
| 1．7 主要研究内容 | 第11-12页 |
| 1．8 论文组织 | 第12-14页 |
| 第2章 资料的整理 | 第14-22页 |
| 2．1 资料的表示 | 第14-15页 |
| 2．2 基本统计量 | 第15-17页 |
| 2．3 统计量的分布检验 | 第17-21页 |
| 2．3．1 变量的分布检验 | 第18-19页 |
| 2．3．2 相关系数的检验 | 第19-21页 |
| 2．4 小结 | 第21-22页 |
| 第3章 时变参数的辨识标准及其估计算法 | 第22-25页 |
| 3．1 时变参数的辨识标准及其估计算法 | 第22-24页 |
| 3．2 小结 | 第24-25页 |
| 第4章 多层递阶建模 | 第25-33页 |
| 4．1 时间序列的多层分析 | 第25-27页 |
| 4．2 线性单输出系统预测模型 | 第27-29页 |
| 4．3 线性单输出系统预测模型中的因子预处理 | 第29-32页 |
| 4．3．1 距平化处理 | 第30页 |
| 4．3．2 极差化处理 | 第30-31页 |
| 4．3．3 标准化变量 | 第31-32页 |
| 4．4 小结 | 第32-33页 |
| 第5章 多层递阶回归分析 | 第33-44页 |
| 5．1 建模思路 | 第33-34页 |
| 5．2 回归分析的方法要点 | 第34-38页 |
| 5．2．1 回归方程的建立 | 第34-36页 |
| 5．2．2 回归方程的显著性检验 | 第36-38页 |
| 5．3 基本数学模型 | 第38-40页 |
| 5．4 建模步骤 | 第40-42页 |
| 5．5 小结 | 第42-44页 |
| 第6章 多层递阶周期分析 | 第44-63页 |
| 6．1 基本原理 | 第44-45页 |
| 6．2 均值生成函数 | 第45-48页 |
| 6．3 基本数学模型 | 第48-49页 |
| 6．4 隐含周期的分离 | 第49-53页 |
| 6．5 建模方法 | 第53-55页 |
| 6．6 实例计算分析 | 第55-62页 |
| 6．7 小结 | 第62-63页 |
| 第7章 结束语 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67页 |
