| 第一章 绪论 | 第1-11页 |
| §1-1 课题研究的背景及意义 | 第7-8页 |
| §1-2 国内外研究现状 | 第8-10页 |
| 1．2．1 时间序列数据相似模式挖掘问题研究现状 | 第8-9页 |
| 1．2．2 时间序列数据预测问题研究现状 | 第9-10页 |
| §1-3 本文的主要工作 | 第10-11页 |
| 第二章 时间序列数据挖掘 | 第11-20页 |
| §2-1 数据挖掘的概述 | 第11-12页 |
| 2-1-1 数据挖掘的含义 | 第11页 |
| 2-1-2 数据挖掘的数据来源 | 第11-12页 |
| §2-2 时间序列和时间序列数据挖掘 | 第12-20页 |
| 2-2-1 时间序列和时间序列数据挖掘的概述 | 第12页 |
| 2-2-2 时间序列和序列数据挖掘的分类及相关方法 | 第12-15页 |
| 2-2-3 相似模式挖掘问题 | 第15-19页 |
| 2-2-4 时间序列相似性搜索问题分类 | 第19-20页 |
| 第三章 小波变换及其在时间序列数据约简中的研究应用 | 第20-30页 |
| §3-1 小波变换的概述 | 第20-24页 |
| 3-1-1 小波变换的概念 | 第20页 |
| 3-1-2 小波变换与Fourier变换的比较 | 第20-22页 |
| 3-1-3 构成小波函数的条件 | 第22页 |
| 3-1-4 小波变换的特点 | 第22-23页 |
| 3-1-5 多分辩分析 | 第23页 |
| 3-1-6 小波函数的构造 | 第23-24页 |
| 3-1-7 离散小波变换 | 第24页 |
| §3-2 小波变换在时间序列数据约简中的应用 | 第24-27页 |
| 3-2-1 基本原理 | 第24-25页 |
| 3-2-2 利用Haar小波进行时间序列数据约简的思想 | 第25-27页 |
| §3-3 小波变换用于时间序列数据约简的实验 | 第27-30页 |
| 第四章 时间序列数据相似模式挖掘的研究应用 | 第30-45页 |
| §4-1 时间序列相似模式挖掘的关键技术 | 第30-34页 |
| 4-1-1 改进的欧儿里德距离公式 | 第30-31页 |
| 4-1-2 滑动窗口技术 | 第31-32页 |
| 4-1-3 MBR技术 | 第32-34页 |
| §4-2 时间序列相似模式挖掘算法 | 第34-37页 |
| 4-2-1 指定查询序列搜索算法： | 第35-36页 |
| 4-2-2 匹配序列对搜索算法： | 第36页 |
| 4-2-3 最近邻搜索算法： | 第36-37页 |
| §4-3 时间序列相似模式挖掘的实验 | 第37-40页 |
| 4-3-1 指定查询序列搜索实验及结果 | 第37-38页 |
| 4-3-2 匹配序列对搜索实验及结果 | 第38-39页 |
| 4-3-3 最近邻搜索实验及结果 | 第39-40页 |
| §4-4 小波变换约简前后相似搜索实验比较 | 第40-44页 |
| 4-4-1 匹配序列对搜索 | 第41-43页 |
| 4-4-2 最近邻搜索 | 第43-44页 |
| §4-5 结论 | 第44-45页 |
| 第五章 时间序列数据相似模式挖掘在天气预测中的应用 | 第45-50页 |
| §5-1 时间序列数据预测概述 | 第45页 |
| §5-2 五种恶劣天气预测的算法思想 | 第45-50页 |
| 5-2-1 五种恶劣天气的概述 | 第45-46页 |
| 5-2-2 五种恶劣天气预测思想 | 第46-47页 |
| 5-2-3 五种恶劣天气预测的算法描述 | 第47-49页 |
| 5-2-4 实验结果与分析 | 第49-50页 |
| 第六章 结论和展望 | 第50-52页 |
| §6-1 本文研究工作总结 | 第50-51页 |
| §6-2 有待进一步研究的工作 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间所取得的相关科研成果 | 第56页 |
