文摘
英文文摘
声明
第一章 绪论
1.1选题背景和研究意义
1.2数据挖掘综述
1.2.1数据库知识发现和数据挖掘比较及其发展过程
1.2.2数据挖掘的过程
1.2.3数据挖掘系统的分类
1.2.4数据挖掘的功能
1.3时问序列数据挖掘
1.3.1时间序列数据挖掘与传统时间序列分析
1.3.2时间序列数据挖掘的研究现状
1.4时间序列数据挖掘重新描述研究综述
1.4.1离散傅立叶变换
1.4.2离散小波变换
1.4.3奇异值分解算法
1.4.4分段描述算法
1.4.5界标模型
1.4.6字符串表示
1.4.7其他表示法
1.5时间序列数据挖掘相似性度量研究综述
1.5.1欧氏距离
1.5.2动态扭曲距离
1.5.3编辑距离
1.6时间序列周期模式挖掘进展综述
1.6.1周期模式分类
1.6.2部分周期模式研究
1.6.3潜在周期发现算法研究
1.6.4复杂模式生成算法研究
1.7本文的主要内容和创新点
1.7.1本文的主要内容
1.7.2本文的创新点
第二章 本文相关概念和算法介绍
2.1时间序列
2.2相似性度量
2.2.1欧氏距离
2.2.2动态时间扭曲距离
2.2.3分段线性表示
2.2.4模式距离
2.3时间序列周期模式挖掘的相关定义
2.4 SMCA算法
2.4.1问题定义
2.4.2 SMCA算法介绍
2.5最大子模式命中集算法
2.5.1类Apriori算法
2.5.2最大子模式命中集算法
2.6本章小结
第三章 基于形态的时间序列相似性度量研究
3.1引言
3.2基于形态的时间序列重新描述
3.2.1分段线性化和确定模式区分阈值
3.2.2规范化处理
3.2.3形态描述
3.2.4齐序列处理
3.3时间序列的形态距离
3.4仿真实验
3.4.1人工合成数据
3.4.2股票时间序列
3.5本章小结
第四章 局部分段动态时间扭曲算法研究
4.1引言
4.2经典的DTW算法
4.3局部动态时间扭曲(LSDTW)算法
4.3.1分段线性化算法
4.3.2任意两段之间DTW距离的计算规律
4.3.3任意两段之间DTW距离的计算公式
4.3.4局部分段动态时间扭曲(LSDTW)距离公式
4.4仿真实验
4.4.1人工数据库
4.4.2实际数据库
4.4.3仿真实验结果
4.5本章小结
第五章 时间序列异步周期模式挖掘算法研究
5.1引言
5.2相关概念定义
5.3 1-模式挖掘算法
5.3.1映射算法
5.3.2改进的点乘算法
5.3.3潜在周期检测算法
5.3.4 1-模式生成算法
5.4算法比较
5.4.1位置序列生成算法比较
5.4.2潜在周期发现算法比较
5.4.3有效段生成算法比较
5.5仿真实验
5.5.1人工数据
5.5.2实际数据
5.6本章小结
第六章 时间序列局部周期频繁模式挖掘算法研究
6.1引言
6.2相关概念定义
6.3局部周期频繁模式挖掘算法
6.3.1局部剪切算法
6.3.2潜在周期生成算法
6.3.3局部周期频繁段发现算法
6.3.4复杂模式生成算法
6.4仿真实验
6.4.1人工数据
6.4.2实际数据
6.5本章小结
第七章 总结和展望
7.1全文总结
7.2研究前景与展望
参考文献
发表论文和参加科研情况说明
致谢