| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 2 时间序列分类算法研究现状综述 | 第17-29页 |
| 2.1 相关概念 | 第17-18页 |
| 2.2 时间序列特征提取 | 第18-20页 |
| 2.3 时间序列集成分类 | 第20-27页 |
| 2.4 本章小结 | 第27-29页 |
| 3 基于特征点检测的时间序列特征提取算法 | 第29-47页 |
| 3.1 预备知识 | 第29-34页 |
| 3.1.1 相关概念 | 第29-32页 |
| 3.1.2 SIFT算法 | 第32-34页 |
| 3.2 时间序列特征点检测 | 第34-39页 |
| 3.2.1 相关概念 | 第34-35页 |
| 3.2.2 基于TS-SIFT的时间序列特征点检测 | 第35-39页 |
| 3.3 基于时间序列关键子序列的特征转换 | 第39-45页 |
| 3.3.1 基于统计量与形状的特征向量构建 | 第39-42页 |
| 3.3.2 基于ReliefF的特征向量的加权 | 第42-43页 |
| 3.3.3 基于带权特征向量的特征空间转换 | 第43-45页 |
| 3.4 特征提取算法与时间序列分类问题 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 基于尺度空间的时间序列集成分类算法 | 第47-60页 |
| 4.1 预备知识 | 第48-50页 |
| 4.1.1 尺度空间理论 | 第48-49页 |
| 4.1.2 时间序列分类集成算法预备知识 | 第49-50页 |
| 4.2 基于尺度空间级联森林的时间序列分类算法 | 第50-58页 |
| 4.2.1 数据预处理 | 第52-54页 |
| 4.2.2 分类算法的学习过程 | 第54-56页 |
| 4.2.3 分类算法的预测过程 | 第56-58页 |
| 4.3 本章小结 | 第58-60页 |
| 5 实验结果及分析 | 第60-74页 |
| 5.1 实验环境 | 第60页 |
| 5.2 实验数据集 | 第60-61页 |
| 5.3 实验结果分析 | 第61-73页 |
| 5.3.1 参数设置 | 第62-65页 |
| 5.3.2 运行时间 | 第65-67页 |
| 5.3.3 算法准确率 | 第67-73页 |
| 5.4 本章小结 | 第73-74页 |
| 6 总结与展望 | 第74-76页 |
| 6.1 研究工作总结 | 第74页 |
| 6.2 未来工作展望 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第81-83页 |
| 学位论文数据集 | 第83页 |