| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 引言 | 第7-8页 |
| 2 背景知识 | 第8-20页 |
| ·数据挖掘简介 | 第8-10页 |
| ·函数挖掘技术简介 | 第10-11页 |
| ·时间序列分析简介 | 第11-12页 |
| ·时间序列分析的基本术语和方法 | 第12-13页 |
| ·基因表达式编程简介 | 第13-18页 |
| ·GEP 的基因型和表现型 | 第13-15页 |
| ·GEP 的遗传算子和适应度函数 | 第15-16页 |
| ·GEP 的运行流程 | 第16-18页 |
| ·小波分析简介 | 第18-20页 |
| 3 基于小波分析的GEP 分段函数挖掘算法 | 第20-28页 |
| ·相关工作 | 第20-21页 |
| ·传统 GEP 函数挖掘方法存在的问题 | 第21-22页 |
| ·分段函数分段点的发现算法 | 第22-28页 |
| 4 基于N-步相关序列的 GEP 时间序列分析算法 | 第28-38页 |
| ·相关工作 | 第28-29页 |
| ·GEP 滑动窗口预测法存在的问题 | 第29-30页 |
| ·N-步相关序列与嵌入维的制定 | 第30-31页 |
| ·均值和自协方差函数的估计 | 第31-33页 |
| ·时间序列的嵌入维度制定算法 | 第33-34页 |
| ·强变化时间序列预测 | 第34-35页 |
| ·弱变化时间序列的嵌入维度制定方法 | 第35-37页 |
| ·小波变换滤波过程 | 第37-38页 |
| 5 实验与分析 | 第38-57页 |
| ·函数挖掘实验 | 第39-42页 |
| ·对式(3-1)的挖掘 | 第40页 |
| ·对式(3-2)的挖掘 | 第40-42页 |
| ·时间序列分析实验 | 第42-57页 |
| ·弱变化时间序列分析 | 第43-52页 |
| ·强变化时间序列分析 | 第52-57页 |
| 6 结束语 | 第57-62页 |
| 致谢 | 第62页 |