针对大规模时间序列数据的改进聚类算法
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-16页 |
| 1.1 论文背景与意义 | 第11-12页 |
| 1.2 主要研究工作 | 第12-14页 |
| 1.3 论文组织结构 | 第14-16页 |
| 2 时间序列聚类相关理论 | 第16-30页 |
| 2.1 聚类算法介绍 | 第16-20页 |
| 2.1.1 静态聚类算法 | 第16-18页 |
| 2.1.2 时间序列聚类 | 第18-19页 |
| 2.1.3 聚类算法评价标准 | 第19-20页 |
| 2.2 时间序列距离度量及平均技术 | 第20-22页 |
| 2.2.1 时间序列距离度量 | 第20-21页 |
| 2.2.2 时间序列平均技术 | 第21-22页 |
| 2.3 时间序列预处理技术 | 第22-25页 |
| 2.3.1 序列标准化及频域变换 | 第22-24页 |
| 2.3.2 滑动窗口模型 | 第24-25页 |
| 2.4 BIRCH算法与K-MEANS算法 | 第25-29页 |
| 2.4.1 BIRCH算法 | 第25-28页 |
| 2.4.2 k-means算法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 针对时间序列的改进聚类算法 | 第30-47页 |
| 3.1 改进聚类算法概述 | 第30-31页 |
| 3.2 改进聚类算法的距离度量 | 第31-35页 |
| 3.3 改进聚类算法的集群特征 | 第35-38页 |
| 3.3.1 集群特征(CF)以及CF树 | 第36-37页 |
| 3.3.2 改进的集群特征向量 | 第37-38页 |
| 3.4 改进聚类算法的序列平均技术 | 第38-46页 |
| 3.4.1 DTW下的重心平均算法 | 第39-42页 |
| 3.4.2 Ad-DBA算法 | 第42-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 聚类算法评估与精度损失量化 | 第47-61页 |
| 4.1 运算设置 | 第47-51页 |
| 4.1.1 数据集 | 第47-49页 |
| 4.1.2 对照算法 | 第49页 |
| 4.1.3 参数设置 | 第49-50页 |
| 4.1.4 评价标准 | 第50-51页 |
| 4.2 计算结果 | 第51-58页 |
| 4.3 调整后DBA算法的精度损失 | 第58-60页 |
| 4.4 分析概括 | 第60页 |
| 4.5 本章小结 | 第60-61页 |
| 5 仿真环境算法实现 | 第61-68页 |
| 5.1 滑动窗口模型 | 第61-62页 |
| 5.2 仿真设置与结果 | 第62-66页 |
| 5.2.1 环境设置 | 第62-64页 |
| 5.2.2 仿真运算结果 | 第64-66页 |
| 5.3 仿真运算结论 | 第66-67页 |
| 5.4 本章小结 | 第67-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 论文总结 | 第68页 |
| 6.2 研究展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录A | 第74-75页 |
| 附录B | 第75-76页 |
| 附录C | 第76-77页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第77-79页 |
| 学位论文数据集 | 第79页 |
