时态数据周期挖掘理论与算法的研究
| ABSTRACT | 第1-8页 |
| 第一章 绪论 | 第8-15页 |
| ·引言 | 第8页 |
| ·时态数据挖掘研究进展 | 第8-11页 |
| ·时态数据挖掘研究方向 | 第9-10页 |
| ·时态数据挖掘工具 | 第10-11页 |
| ·周期模式挖掘研究现状 | 第11-13页 |
| ·本文研究的内容 | 第13-15页 |
| 第二章 多粒度时态数据周期模型 | 第15-30页 |
| ·与时间有关的概念及性质 | 第15-26页 |
| ·时态型和时间粒度 | 第15-20页 |
| ·时间的多粒度表示 | 第20-26页 |
| ·多粒度时间下的模型 | 第26-30页 |
| ·周期模型的构造 | 第26-27页 |
| ·支持度和置信度 | 第27-30页 |
| 第三章 部分周期模式挖掘算法 | 第30-39页 |
| ·利用了裁剪的算法(CA) | 第30-34页 |
| ·基于输入的算法(IA) | 第34-35页 |
| ·数值实验 | 第35-37页 |
| ·合成数据实验 | 第35-36页 |
| ·股票数据实验 | 第36-37页 |
| ·小结 | 第37-39页 |
| 第四章 异步周期挖掘算法 | 第39-56页 |
| ·数值型数据符号化 | 第39-43页 |
| ·时态数据的符号化 | 第39-41页 |
| ·转化算法 | 第41-42页 |
| ·实验分析 | 第42-43页 |
| ·异步周期简介 | 第43页 |
| ·模型构造 | 第43-46页 |
| ·挖掘异步周期的算法 | 第46-51页 |
| ·Aprori 算法 | 第46-47页 |
| ·快速算法(QKA) | 第47-51页 |
| ·时间复杂度对比 | 第51-53页 |
| ·Apriori 算法时间复杂度 | 第52页 |
| ·快速算法时间复杂度 | 第52-53页 |
| ·数值实验 | 第53-56页 |
| ·合成数据实验 | 第53-54页 |
| ·实际数据实验 | 第54-56页 |
| 总结与展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士期间公开发表的论文 | 第63-64页 |
| 致谢 | 第64-65页 |
| 详细摘要 | 第65-83页 |
