| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-32页 |
| 1.1 研究的背景和意义 | 第12-13页 |
| 1.2 问题的定义与表示 | 第13-16页 |
| 1.2.1 多维时间序列的定义 | 第13-15页 |
| 1.2.2 分类问题的定义 | 第15-16页 |
| 1.3 相关技术及研究现状 | 第16-29页 |
| 1.3.1 特征提取 | 第16-18页 |
| 1.3.2 特征选择 | 第18-26页 |
| 1.3.3 分类算法 | 第26-29页 |
| 1.4 本文主要工作 | 第29-32页 |
| 第2章 多维时间序列的特征提取 | 第32-42页 |
| 2.1 概述 | 第32-33页 |
| 2.2 特征提取的概念及作用 | 第33-34页 |
| 2.3 基于小波包变换的特征提取 | 第34-41页 |
| 2.3.1 基本思想 | 第35页 |
| 2.3.2 基本理论 | 第35-40页 |
| 2.3.3 特征向量的生成 | 第40-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第3章 多维时间序列的特征选择 | 第42-58页 |
| 3.1 概述 | 第42-44页 |
| 3.2 ReliefF算法概述 | 第44-46页 |
| 3.3 ReliefF-SFB-SVM特征选择算法 | 第46-50页 |
| 3.3.1 算法概述 | 第46-47页 |
| 3.3.2 基本思想 | 第47-49页 |
| 3.3.3 算法的实现 | 第49-50页 |
| 3.4 实验结果与分析 | 第50-56页 |
| 3.4.1 实验数据简介 | 第50-52页 |
| 3.4.2 实验说明与结果分析 | 第52-56页 |
| 3.5 本章小结 | 第56-58页 |
| 第4章 树结构M-SVM多维时间序列分类算法 | 第58-74页 |
| 4.1 概述 | 第58-60页 |
| 4.2 SVM基本理论 | 第60-63页 |
| 4.3 树结构M-SVM分类算法 | 第63-70页 |
| 4.3.1 概述 | 第63-64页 |
| 4.3.2 算法的设计和实现 | 第64-70页 |
| 4.4 实验结果与分析 | 第70-72页 |
| 4.4.1 实验说明 | 第70页 |
| 4.4.2 结果分析 | 第70-72页 |
| 4.5 本章小结 | 第72-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 5.1 全文研究工作总结 | 第74-75页 |
| 5.2 研究工作展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士期间科研成果 | 第82-84页 |
| 作者简历 | 第84页 |