时空序列数据预处理方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 研究背景、目标及意义 | 第13-15页 |
| 1.2 时空序列数据预处理发展概述 | 第15-20页 |
| 1.2.1 时空序列数据源 | 第15-17页 |
| 1.2.2 时空序列数据预处理方法 | 第17-19页 |
| 1.2.3 时空序列数据预处理的应用 | 第19-20页 |
| 1.3 问题提出及本文的主要贡献 | 第20-22页 |
| 1.3.1 时间序列不完整问题 | 第20页 |
| 1.3.2 时间序列噪声问题 | 第20-21页 |
| 1.3.3 空间数据尺度不一致问题 | 第21页 |
| 1.3.4 本文的主要贡献 | 第21-22页 |
| 1.4 本文研究内容及章节安排 | 第22-25页 |
| 1.4.1 主要研究内容 | 第22-23页 |
| 1.4.2 论文组织安排 | 第23-25页 |
| 第二章 时空序列数据预处理方法研究综述 | 第25-33页 |
| 2.1 时间序列缺失值估计方法研究现状 | 第25-27页 |
| 2.1.1 统计学方法 | 第25-26页 |
| 2.1.2 机器学习方法 | 第26-27页 |
| 2.2 时间序列去噪方法研究现状 | 第27-29页 |
| 2.2.1 时域滤波方法 | 第28页 |
| 2.2.2 频域滤波方法 | 第28-29页 |
| 2.3 空间数据尺度转换研究现状 | 第29-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 不完整时间序列缺失值估计方法 | 第33-47页 |
| 3.1 缺失数据定义及原因 | 第33-34页 |
| 3.1.1 缺失数据的定义 | 第33页 |
| 3.1.2 缺失数据的原因 | 第33-34页 |
| 3.2 基于非线性回归分析的多值缺失估计 | 第34-37页 |
| 3.3 基于非局部平均法的单值缺失估计 | 第37-39页 |
| 3.3.1 非局部平均法的基本原理 | 第37-38页 |
| 3.3.2 改进的非局部平均法 | 第38-39页 |
| 3.4 缺失值估计结果评价方法 | 第39-40页 |
| 3.5 缺失值估计实验 | 第40-46页 |
| 3.5.1 多值缺失估计实验结果与分析 | 第40-43页 |
| 3.5.2 单值缺失估计实验结果与分析 | 第43-44页 |
| 3.5.3 与K最邻近法的对比实验 | 第44-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 基于非局部平均的时间序列去噪方法 | 第47-55页 |
| 4.1 常见的噪声模型 | 第47-48页 |
| 4.2 非局部平均法的去噪原理 | 第48-49页 |
| 4.3 去噪效果评价方法 | 第49页 |
| 4.4 时间序列去噪实验结果与分析 | 第49-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 基于高斯金字塔的空间数据尺度转换方法 | 第55-65页 |
| 5.1 尺度及尺度转换的含义 | 第55-56页 |
| 5.2 高斯金字塔尺度转换方法 | 第56-59页 |
| 5.2.1 空间数据的高斯模糊 | 第57-58页 |
| 5.2.2 空间数据的降采样 | 第58-59页 |
| 5.3 尺度转换效果评价方法 | 第59-60页 |
| 5.4 空间数据尺度转换实验 | 第60-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 结论与展望 | 第65-67页 |
| 6.1 研究总结 | 第65-66页 |
| 6.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 作者简历及攻读硕士期间发表的论文与研究成果 | 第73-75页 |
| 附录 | 第75-77页 |
| 致谢 | 第77页 |
