面向时间序列相似性的序列模式挖掘及应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景 | 第9-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 时间序列相似性度量 | 第13-14页 |
| 1.2.2 时间序列模式挖掘 | 第14-16页 |
| 1.3 本文研究工作和章节安排 | 第16-18页 |
| 1.3.1 主要工作 | 第16页 |
| 1.3.2 章节安排 | 第16-18页 |
| 第二章 时间序列模式挖掘基本理论 | 第18-23页 |
| 2.1 时间序列相似性度量 | 第18-20页 |
| 2.1.1 动态弯曲距离 | 第18页 |
| 2.1.2 编辑距离 | 第18-19页 |
| 2.1.3 最大公共子串距离 | 第19页 |
| 2.1.4 余弦相似度 | 第19-20页 |
| 2.2 序列模式挖掘 | 第20-21页 |
| 2.2.1 序列模式挖掘定义 | 第20-21页 |
| 2.2.2 序列模式挖掘过程 | 第21页 |
| 2.3 本章小结 | 第21-23页 |
| 第三章 加权单变量时间序列相似性搜索算法 | 第23-34页 |
| 3.1 TF-IDF算法 | 第23-25页 |
| 3.1.1 算法概述 | 第23-24页 |
| 3.1.2 TF-IDF算法与时间序列相似性 | 第24-25页 |
| 3.2 加权单变量时间序列相似性搜索算法研究 | 第25-28页 |
| 3.3 实验与分析 | 第28-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 加权多变量时间序列相似性搜索算法 | 第34-49页 |
| 4.1 多属性决策问题 | 第34-39页 |
| 4.1.1 多属性决策的赋权方法 | 第34-38页 |
| 4.1.2 基于相对熵的权系数确定方法 | 第38-39页 |
| 4.1.3 多属性决策与多变量时间序列相似性度量 | 第39页 |
| 4.2 加权多变量时间序列相似性搜索算法研究 | 第39-45页 |
| 4.3 实验与分析 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 加权时间序列模式挖掘研究 | 第49-59页 |
| 5.1 加权时间序列模式挖掘预处理 | 第49-50页 |
| 5.1.1 原始数据筛选 | 第49-50页 |
| 5.1.2 筛选结果符号化 | 第50页 |
| 5.2 GSP算法 | 第50-52页 |
| 5.3 实验与分析 | 第52-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 全文总结 | 第59-60页 |
| 6.2 后续工作展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间取得的成果 | 第66页 |
