基于局部模型的时间序列预测方法研究
RESEARCH ON LOCAL MODEL-BASED TIME SERIES PREDICTION
摘要
Abstract
Contents
第1章 绪论
1.1 课题的目的和意义
1.2 基于局部模型的时间序列预测方法研究现状及分析
1.3 基于局部模型的时间序列预测方法相关关键技术分析
1.3.1 非线性信号处理的研究现状及分析
1.3.2 时间序列聚类的现状及分析
1.3.3 时间序列分类的现状及分析
1.4 本文主要研究内容
第2章 经验模式分解域时间序列预测研究
2.1 引言
2.2 经验模式分解方法
2.2.1 特征时间尺度参数
2.2.2 内禀模态函数
2.2.3 经验模式分解方法
2.2.4 EMD方法的特点
2.2.5 Hilbert-Huang变换的创新性
2.3 经验模式分解方法端点效应问题及处理方法
2.3.1 端点效应的机理
2.3.2 现有端点问题处理方法存在的不足
2.3.3 基于改进特征波延拓方法的EMD端点问题处理
2.3.4 基于相似性搜索算法的EMD端点问题处理方法
2.4 EMD分解域RBF神经网络预测建模研究
2.4.1新型多分辨预测模型及参数选择方法
2.4.2 实验仿真
2.5 EMD分解域实时预测模型的研究
2.5.1增量核空间独立向量组合预测算法
2.5.2 复杂时间序列EMD分解域实时预测模型
2.5.3 实验仿真
2.6 本章小结
第3章 时间序列数据聚类研究
3.1 引言
3.2聚类的有效性问题
3.2.1 基于划分系数和划分信息熵有效性泛函
3.2.2基于几何特性的聚类有效性泛函
3.2.3 一种新的聚类有效性泛函
3.2.4实验仿真
3.3 支持向量聚类和信息熵聚类融合的任意形状簇聚类算法
3.3.1 支持向量聚类方法
3.3.2 Renyi信息熵聚类
3.3.3 基于支持向量聚类和Renyi熵聚类融合的聚类算法
3.3.4 实验仿真
3.4自适应Kernel Fuzzy C-means聚类算法
3.4.1 算法原理
3.4.2实验仿真
3.5 时间序列数据任意形状簇自适应聚类研究
3.6 本章小结
第4章 基于粗糙集理论的时间序列分类算法研究
4.1 引言
4.2粗糙集基本理论分析
4.2.1 等价关系
4.2.2 不可区分关系
4.2.3 集合的近似
4.2.4 粗糙隶属关系
4.2.5 信息系统与决策表
4.2.6 知识的约简
4.3基于编码排序的粗糙集快速属性约简算法
4.3.1 算法的基本原理
4.3.2实验仿真
4.4 基于函数映射的粗糙集快速属性约简算法
4.4.1 基于单属性函数映射的粗糙集快速属性约简算法
4.4.2 基于属性串函数映射的粗糙集快速属性约简算法
4.5 基于非线性特征提取方法的时间序列分类算法研究
4.6 本章小结
第5章 时间序列数据局部时间域预测模型研究
5.1 引言
5.2 支持向量回归算法原理及其研究现状
5.3 基于近邻思想的快速增量回归算法的研究
5.3.1 AOSVR算法
5.3.2 Xiao等人提出的增量算法
5.3.3 基于近邻思想的局部增量支持向量回归算法
5.3.4 实验仿真
5.4 基于委员会机思想的局部时域支持向量回归预测模型
5.4.1 基本原理
5.4.2 实验仿真
5.5 本章小结
结论
参考文献
攻读博士学位期间所发表的学术论文
哈尔滨工业大学博士学位论文原创性声明
致谢
个人简历