声明
摘要
第1章绪论
1.1 大数据背景下的时序数据
1.2时序数据分析的发展
1.2.1.时序数据挖掘之模式发现、识别的发展状况
1.2.3.时序数据挖掘之回归预测的发展状况
1.3时序数据挖掘的研究内容和挑战
1.4文章结构
第2章时序数据分析预备知识
2.1 常见的预处理方式
2.1.1.数据的无量纲化
2.1.2.数据的编码
2.2序贯更新原理
2.3变点理舱
2.3.1.基于Boll带原理的变点监测算法
2.3.2.基于变方差的变点选择算法
第3章时序数据的预测
3.1 时序数据的预测模型
3.1.1.自回归模型
3.1.2.基于统计的回归模型
3.1.3.基于神经网络的时序预测模型
3.2提高模型稳定性以及泛化能力相关策略
3.3预测模型的评价指标
3.4预测问题的应用与实验
3.4.1.不同自回归算法对CPI指数的预测
3.4.2.结合大数据指标进行基于统计的回归实验
3.4.3.基于LSTM的预测实验
第4章时序数据的有序分类
4.1有序分类算法实施过程
4.2有序类标签编码的性质
4.3有序分类的度量指标
4.4有序分类的相关实验
4.4.2.实验结果对比
4.4.3.应用案例
第5章时序数据的其他应用
5.1 个股股吧中热点话题的探索
5.2基于POI数据和DPI数据的潜在商圈挖掘
第6章总结与展望
参考文献
致谢
在读期间发表的学术论文与取得的研究成果
中国科学技术大学;