| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 时间序列特征表示 | 第12-15页 |
| 1.2.2 时间序列聚类算法 | 第15-17页 |
| 1.2.3 音乐数据挖掘 | 第17-18页 |
| 1.3 研究内容及论文结构 | 第18-20页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 论文结构 | 第19-20页 |
| 第二章 时间序列数据的特征表示与聚类相关研究基础 | 第20-29页 |
| 2.1 时间序列 | 第20-22页 |
| 2.1.1 时间序列概念 | 第20-21页 |
| 2.1.2 时间序列度量方法 | 第21页 |
| 2.1.3 时间序列挖掘问题分析 | 第21-22页 |
| 2.2 时间序列特征表示 | 第22-26页 |
| 2.2.1 分段聚合近似表示方法 | 第22-24页 |
| 2.2.2 符号聚合近似表示方法 | 第24-26页 |
| 2.3 时间序列聚类 | 第26-28页 |
| 2.3.1 K-Means聚类算法 | 第27页 |
| 2.3.2 时间序列聚类问题分析 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于始末距离的时间序列符号聚合近似表示 | 第29-40页 |
| 3.1 时间序列近似表示方法SAX_SM | 第29-33页 |
| 3.1.1 近似表示 | 第30页 |
| 3.1.2 距离度量 | 第30-32页 |
| 3.1.3 距离度量下界性证明 | 第32-33页 |
| 3.2 数值实验 | 第33-38页 |
| 3.2.1 实验环境和实验数据 | 第33-34页 |
| 3.2.2 分类准确率 | 第34-36页 |
| 3.2.3 算法运行时间 | 第36-38页 |
| 3.3 本章小结 | 第38-40页 |
| 第四章 基于内部簇心调整的时间序列聚类 | 第40-50页 |
| 4.1 时间序列聚类算法K-Center | 第40-45页 |
| 4.1.1 内部簇心调整 | 第40-41页 |
| 4.1.2 K-Center算法 | 第41-45页 |
| 4.1.3 时间复杂度分析 | 第45页 |
| 4.2 数值实验 | 第45-48页 |
| 4.2.1 实验环境和实验数据 | 第46页 |
| 4.2.2 实验结果分析 | 第46-48页 |
| 4.3 本章小结 | 第48-50页 |
| 第五章 SAX_SM方法及K-Center算法在音乐数据中的应用 | 第50-58页 |
| 5.1 音乐时间序列的背景介绍 | 第50-52页 |
| 5.2 音乐时间序列的分析预测 | 第52-57页 |
| 5.2.1 近似表示 | 第52-53页 |
| 5.2.2 聚类分析 | 第53-55页 |
| 5.2.3 流行度预测 | 第55-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-61页 |
| 6.1 本文总结 | 第58-59页 |
| 6.2 研究展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 硕士期间研究成果 | 第66页 |