声明
致谢
摘要
1.1 论文背景与意义
1.2 主要研究工作
1.3 论文组织结构
2 时间序列聚类相关理论
2.1 聚类算法介绍
2.1.1 静态聚类算法
2.1.2 时间序列聚类
2.1.3 聚类算法评价标准
2.2 时间序列距离度量及平均技术
2.2.1 时间序列距离度量
2.2.2 时间序列平均技术
2.3 时间序列预处理技术
2.3.1 序列标准化及频域变换
2.3.2 滑动窗口模型
2.4 BIRCH算法与K-MEANS算法
2.4.1 BIRCH算法
2.4.2 k-means算法
2.8 本章小结
3 针对时间序列的改进聚类算法
3.1 改进聚类算法概述
3.2 改进聚类算法的距离度量
3.3 改进聚类算法的集群特征
3.3.1 集群特征(CF)以及CF树
3.3.2 改进的集群特征向量
3.4 改进聚类算法的序列平均技术
3.4.1 DTW下的重心平均算法
3.4.2 Ad-DBA算法
3.5 本章小结
4 聚类算法评估与精度损失量化
4.1 运算设置
4.1.1 数据集
4.1.2 对照算法
4.1.3 参数设置
4.1.4 评价标准
4.2 计算结果
4.3 调整后DBA算法的精度损失
4.4 分析概括
4.5 本章小结
5 仿真环境算法实现
5.1 滑动窗口模型
5.2 仿真设置与结果
5.2.1 环境设置
5.2.2 仿真运算结果
5.3 仿真运算结论
5.4 本章小结
6.1 论文总结
6.2 研究展望
参考文献
附录
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