声明
摘要
第1章绪论
1.1研究背景与意义
1.2国内外研究现状
1.2.1时序聚类现状分析
1.2.2时序预测现状分析
1.3本文研究目标及内容
1.4本文结构安排
第2章时序聚类和预测的相关介绍
2.1聚类及预测的分析方法概述
2.2样本相似性度量
2.2.1欧式距离
2.2.2马氏距离
2.2.3DTW距离
2.2.4互信息
2.3聚类方法相关研究综述
2.3.1层次聚类
2.3.2密度聚类
2.3.3分区聚类
2.3.4网格聚类
2.3.5其他聚类方法
2.4预测模型相关研究综述
2.5本章小结
第3章密度聚类方法—ATD
3.1密度聚类问题
3.1.1定义密度和距离
3.1.2密度核发现问题一以DPC为例
3.1.3二维聚类有效性分析
3.2密度聚类ATD算法
3.2.1 NV熵密度估计方法
3.2.2基于熵的密度可达
3.2.3 ATD密度聚类过程
3.2.4二维聚类有效性分析
3.3本章小结
第4章时序子集回归与模型调谐方法
4.1.1 LSSVR
4.1.2欧式距离调整
4.1.3样本子集及其预测算法
4.2 TSSVM时间序列预测
4.2.1 Rank熵值约束样本识别
4.2.2 Rank熵聚类原理分析
4.2.3自适应生成同步实例
4.3 CBSVM时间序列预测
4.3.1基于DPC的CBSVM模型时序预测
4.3.2基于ATD的CBSVM模型时序预测
4.4本章小结
第5章算法实验设计分析
5.1实验环境和实验数据
5.2实验过程与评测方法
5.3 TSSVM和CBSVM模型对于时序预测的实验结果与分析
5.4不同模型对于时序预测的实验结果对比汇总
5.5本章小结
6.1论文工作总结
6.2未来工作展望
参考文献
攻读硕士学位期间的科研工作情况
致谢