文摘
英文文摘
主要缩略语
主要符号表
图表目录
第一章 绪论
1.1 数据挖掘简介
1.1.1 数据挖掘技术的分类
1.1.2 数据挖掘的分析方法
1.1.3 数据挖掘的过程
1.2 时间序列简介
1.2.1 时间序列建模基本步骤
1.2.2 时间序列研究目的
1.3 研究动机
1.4 研究成果
1.5 结构安排
第二章 相关研究及理论
2.1 时间序列数据挖掘
2.2 时间序列分析方法
2.3 基于离散傅立叶变换的时间序列聚类算法
2.4 支持向量机
2.5 问题的提出和本文的研究
2.6 本章小结
第三章 时间序列数据挖掘框架
3.1 相关介绍及问题提出
3.2 时间序列数据挖掘框架
3.3 模块功能
3.3.1 公用模块
3.3.2 训练模块
3.3.3 仿真模块
3.4 无损ICP估计的挑战
3.5 数据挖掘框架的执行范例
3.5.1 数据库的结构
3.5.2 RTS分析模型
3.5.3 模型辨识
3.5.4 误差方法的设计
3.6 映射函数
3.7 查询数据库
3.8 基于相似性方法的比较
3.9 执行结果
3.9.1 输入/输出模型评估
3.9.2 平均转移函数的评估
3.9.3 数据挖掘方法的评估
3.9.4 结果讨论
3.10 本章小结
第四章 时间序列异常数据的检测
4.1 国内外对时间序列异常检测的研究
4.2 问题提出
4.3 信号异常检索算法
4.4 扩展信号异常索引算法
4.5 仿真结果
4.6 结果讨论
4.7 本章小结
第五章 时间序列趋势预测
5.1 国内外对时间序列趋势的研究现状
5.2 研究方法
5.2.1 基于残留误差的累积和分段法
5.2.2 自适应的趋势分段法
5.3 仿真实验
5.4 心脏停搏出现时刻的估计应用
5.5 结果分析
5.6 本章小结
第六章 线性映射函数和非线性映射函数的研究
6.1 误差函数的设计
6.2 线性映射函数的研究
6.2.1 线性最小二乘法
6.2.2 标准吉洪诺夫正则化方法
6.2.3 总体最小二乘法
6.2.4 截断奇异值分解
6.3 查询策略
6.4 线性映射函数仿真实验
6.5 线性映射函数讨论和结论
6.6 非线性映射函数的预测
6.6.1 支持向量机法
6.6.2 非线性映射函数结果
6.6.3 非线性映射函数的讨论和结论
6.7 本章小结
第七章 结论与展望
7.1 本论文研究总结
7.2 前景展望
致谢
参考文献
攻博期间取得的研究成果