水文时间序列相似性模型的研究与应用
| 第一章 引言 | 第1-13页 |
| 1．1 研究背景 | 第7-11页 |
| 1．1．1 数据挖掘技术 | 第7页 |
| 1．1．2 时间序列研究 | 第7-8页 |
| 1．1．3 水文数据挖掘 | 第8页 |
| 1．1．4 时间序列相似性研究现状 | 第8-11页 |
| 1．2 本文的主要研究内容 | 第11页 |
| 1．3 本文组织 | 第11-13页 |
| 第二章 相关知识的介绍和总结 | 第13-23页 |
| 2．1 数据挖掘 | 第13-16页 |
| 2．1．1 数据挖掘的定义 | 第13页 |
| 2．1．2 数据挖掘的过程 | 第13-15页 |
| 2．1．3 数据挖掘的功能 | 第15-16页 |
| 2．2 时间序列分析 | 第16-17页 |
| 2．2．1 时间序列 | 第16页 |
| 2．2．2 传统的时间序列分析 | 第16-17页 |
| 2．3 挖掘时间序列数据 | 第17页 |
| 2．4 时间序列相似性研究 | 第17-23页 |
| 2．4．1 相似度量的方法 | 第17-20页 |
| 2．4．2 降维技术 | 第20-22页 |
| 2．4．3 索引技术 | 第22-23页 |
| 第三章 水文时间序列相似模型 | 第23-33页 |
| 3．1 相关定义 | 第23-24页 |
| 3．1．1 水文时间序列 | 第23页 |
| 3．1．2 相似性问题 | 第23页 |
| 3．1．3 相似性查询任务 | 第23-24页 |
| 3．1．4 相似性定义 | 第24页 |
| 3．2 相似性模型 | 第24-26页 |
| 3．2．1 模型过程 | 第24-25页 |
| 3．2．2 特征提取的完备性 | 第25-26页 |
| 3．3 PAA降维 | 第26-32页 |
| 3．3．1 序列分段平均值 | 第26-28页 |
| 3．3．2 完备性证明 | 第28-30页 |
| 3．3．3 性能比较 | 第30-32页 |
| 3．4 小结 | 第32-33页 |
| 第四章 数据准备 | 第33-40页 |
| 4．1 水文时间序列预处理 | 第33页 |
| 4．2 数据集成和数据选择 | 第33-34页 |
| 4．3 数据净化 | 第34-37页 |
| 4．3．1 填补缺失数据 | 第34页 |
| 4．3．2 噪声平滑 | 第34-37页 |
| 4．3．3 不一致数据 | 第37页 |
| 4．4 数据转换 | 第37-39页 |
| 4．4．1 序列规范化 | 第37-38页 |
| 4．4．2 序列规则化 | 第38-39页 |
| 4．5 本章小节 | 第39-40页 |
| 第五章 相似性查询 | 第40-49页 |
| 5．1 全序列匹配 | 第40-41页 |
| 5．1．1 问题描述 | 第40页 |
| 5．1．2 查询算法 | 第40-41页 |
| 5．2 子序列匹配 | 第41-48页 |
| 5．2．1 滑动窗口 | 第42页 |
| 5．2．2 MBR技术 | 第42-48页 |
| 5．3 本章小结 | 第48-49页 |
| 第六章 应用实例 | 第49-57页 |
| 6．1 系统结构 | 第49-50页 |
| 6．1．1 系统目标 | 第49页 |
| 6．1．2 系统结构 | 第49-50页 |
| 6．2 系统实现 | 第50-54页 |
| 6．2．1 R~+_-树结构 | 第51-52页 |
| 6．2．2 R~+_-树算法 | 第52-54页 |
| 6．3 实验结果 | 第54-56页 |
| 6．4 本章小结 | 第56-57页 |
| 第七章 结束语 | 第57-58页 |
| 7．1 本文工作总结 | 第57页 |
| 7．2 进一步工作展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |
