声明
致谢
摘要
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文主要工作
1.4 本文组织结构
2 时间序列分类算法研究现状综述
2.1 相关概念
2.2 时间序列特征提取
2.3 时间序列集成分类
2.4 本章小结
3 基于特征点检测的时间序列特征提取算法
3.1 预备知识
3.1.1 相关概念
3.1.2 SIFT算法
3.2 时间序列特征点检测
3.2.1 相关概念
3.2.2 基于TS-SIFT的时间序列特征点检测
3.3 基于时间序列关键子序列的特征转换
3.3.1 基于统计量与形状的特征向量构建
3.3.2 基于ReliefF的特征向量的加权
3.3.3 基于带权特征向量的特征空间转换
3.4 特征提取算法与时间序列分类问题
3.5 本章小结
4 基于尺度空间的时间序列集成分类算法
4.1 预备知识
4.1.1 尺度空间理论
4.1.2 时间序列分类集成算法预备知识
4.2 基于尺度空间级联森林的时间序列分类算法
4.2.1 数据预处理
4.2.2 分类算法的学习过程
4.2.3 分类算法的预测过程
4.3 本章小结
5 实验结果及分析
5.1 实验环境
5.2 实验数据集
5.3 实验结果分析
5.3.1 参数设置
5.3.2 运行时间
5.3.3 算法准确率
5.4 本章小结
6 总结与展望
6.1 研究工作总结
6.2 未来工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集