时间序列分析的多尺度算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景和研究意义 | 第10-11页 |
| ·国内外研究现状（时间序列分析回顾） | 第11-13页 |
| ·时间序列分析回顾 | 第11-12页 |
| ·长记忆时间序列的发展趋势 | 第12-13页 |
| ·本文的创新点介绍 | 第13-14页 |
| ·论文的基本结构介绍 | 第14页 |
| 本章小结 | 第14-15页 |
| 第二章 时间序列分析基础知识 | 第15-29页 |
| ·时间序列简介 | 第15-20页 |
| ·时间序列概念 | 第15-17页 |
| ·时间序列分类 | 第17-18页 |
| ·时间序列分析 | 第18-20页 |
| ·基于小波的时间序列分析 | 第20-24页 |
| ·小波分析的产生与发展 | 第20-23页 |
| ·小波在时间序列分析中的应用 | 第23-24页 |
| ·两种基本估计方法 | 第24-28页 |
| ·最小二乘估计 | 第24-26页 |
| ·极大似然估计 | 第26-28页 |
| 本章小结 | 第28-29页 |
| 第三章 基于小波的多尺度分析方法 | 第29-46页 |
| ·小波变换及多分辨率分析 | 第29-37页 |
| ·多尺度分析 | 第29-31页 |
| ·连续小波变换 | 第31-33页 |
| ·离散小波变换 | 第33-37页 |
| ·最大重叠离散小波变换 | 第37-40页 |
| ·小波方差 | 第40-45页 |
| ·小波方差的定义 | 第41-43页 |
| ·小波方差的估计 | 第43-45页 |
| 本章小结 | 第45-46页 |
| 第四章 长记忆随机过程的小波分析 | 第46-58页 |
| ·长记忆过程的概念及性质 | 第46-50页 |
| ·长记忆过程的定义 | 第46-47页 |
| ·长记忆过程的模型 | 第47-50页 |
| ·一维长记忆过程多尺度最小二乘参数估计算法 | 第50-52页 |
| ·线性回归模型的建立 | 第52-54页 |
| ·基于多尺度最小二乘方法确定长记忆过程参数 | 第54-55页 |
| ·算法仿真分析 | 第55-57页 |
| ·计算复杂度分析 | 第55页 |
| ·仿真研究 | 第55-57页 |
| 本章小结 | 第57-58页 |
| 第五章 多维长记忆过程多尺度极大似然参数估计 | 第58-73页 |
| ·多维时间序列简介及二阶矩性质 | 第58-60页 |
| ·长记忆过小波变换系数的相关性分析 | 第60-62页 |
| ·基于多尺度的多维参数估计 | 第62-72页 |
| ·应用传统极大似然对多元过程参数的估计 | 第62-64页 |
| ·多元时间序列段的多尺度变换 | 第64-67页 |
| ·多元时间序列统计特性的多尺度分析 | 第67-68页 |
| ·基于小波包变换的多元时间序列多尺度分析 | 第68-72页 |
| 本章小结 | 第72-73页 |
| 总结与展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读学位期间发表的学术论文及科研成果 | 第80页 |
