时序数据序列模式挖掘
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 注释表 | 第12-13页 |
| 第一章 绪论 | 第13-20页 |
| ·研究背景及意义 | 第13页 |
| ·国内外研究现状 | 第13-17页 |
| ·遥测数据分析技术的研究现状 | 第14-15页 |
| ·时序数据序列模式挖掘的研究现状 | 第15-17页 |
| ·本文研究内容及组织结构 | 第17-20页 |
| 第二章 时序数据序列模式挖掘相关技术 | 第20-34页 |
| ·特征表示 | 第20-24页 |
| ·频域表示方法 | 第20-21页 |
| ·符号化表示方法 | 第21页 |
| ·奇异值分解表示法 | 第21-22页 |
| ·分段线性表示法 | 第22-24页 |
| ·主旨模式挖掘 | 第24-28页 |
| ·基本概念及定义 | 第24-26页 |
| ·EMMA算法 | 第26-28页 |
| ·闭合模式挖掘 | 第28-32页 |
| ·基本概念及定义 | 第28-29页 |
| ·Prefix Span算法 | 第29-31页 |
| ·Clo Span算法 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 遥测数据特征分析及预处理 | 第34-47页 |
| ·遥测数据特性描述 | 第34-35页 |
| ·数据清洗 | 第35-37页 |
| ·遥测参数的选择 | 第37-38页 |
| ·基本原理 | 第37-38页 |
| ·实验分析 | 第38页 |
| ·周期分析 | 第38-41页 |
| ·基本原理 | 第39-40页 |
| ·实验分析 | 第40-41页 |
| ·基于关键点的特征表示方法 | 第41-46页 |
| ·基本原理 | 第41-42页 |
| ·实验分析 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 遥测数据主旨模式挖掘算法研究 | 第47-65页 |
| ·相似性度量方法研究 | 第47-52页 |
| ·动态时间弯曲距离（DTW） | 第48-49页 |
| ·问题的提出 | 第49-51页 |
| ·基于时间惩罚的DTW相似性度量方法 | 第51-52页 |
| ·平均序列计算方法研究 | 第52-55页 |
| ·DTW空间下的平均序列 | 第52-53页 |
| ·问题的提出 | 第53-54页 |
| ·基于PDTW的全局平均序列计算方法 | 第54-55页 |
| ·PGAS_Motifs算法描述 | 第55-58页 |
| ·实验分析 | 第58-63页 |
| ·实验结果 | 第58-60页 |
| ·结果分析 | 第60-63页 |
| ·本章小结 | 第63-65页 |
| 第五章 遥测数据闭合模式挖掘算法研究 | 第65-80页 |
| ·参数离散化方法研究 | 第66-68页 |
| ·问题的提出 | 第66页 |
| ·基于聚类的离散化方法 | 第66-67页 |
| ·Clus Partion算法描述 | 第67-68页 |
| ·闭合模式挖掘方法研究 | 第68-75页 |
| ·问题描述及相关定义 | 第68-70页 |
| ·垂直数据表示 | 第70-71页 |
| ·有效闭合模式挖掘算法Clo PMVP | 第71-72页 |
| ·Clo PMVP算法描述 | 第72-75页 |
| ·实验分析 | 第75-78页 |
| ·实验结果 | 第75-77页 |
| ·结果分析 | 第77-78页 |
| ·本章小结 | 第78-80页 |
| 第六章 总结与展望 | 第80-82页 |
| ·本文总结 | 第80-81页 |
| ·展望 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87-88页 |
| 在学期间的研究成果及发表的学术论文 | 第88页 |
