第1章 绪 论
1.1 研究背景和意义
1.2 国内外相关研究和综述
1.3 问题的总结与分析
1.4 本文主要工作
1.5 本文组织结构
第2章 子空间聚类的相关基础知识
2.1 神经网络用于序列数据学习
2.2 其他子空间学习
2.3 常用的聚类评价标准
2.4 本章小结
第3章 基于LSTM_Pooling的时序数据聚类算法
3.1 引言
3.2 长短期记忆神经网络定义
3.3 算法设计与分析
3.4 基于GPU的LSTM_POOLING算法并行化
3.5 实验结果与分析
3.6 本章小结
第4章 基于时序上下文信息的时序数据聚类算法
4.1 引言
4.2 解决方案定义
4.3 算法设计与分析
4.4 基于GPU的GRU_PATCH算法并行化
4.5 实验结果与分析
4.6 本章小结
结论
参考文献
声明
致谢