时间序列的聚类方法及其应用研究PDF电子书下载

查看更多关于的内容

1绪论 1

1.1 研究意义和研究目的 3

1.1.1 研究意义 3

1.1.2 研究目的 4

1.2 国内外研究现状综述 7

1.2.1 聚类目的 8

1.2.2 聚类方法综述 9

1.2.3 聚类步骤 11

1.3 本书的研究内容和创新之处 13

1.3.1 研究内容 13

1.3.2 创新之处 15

2时间序列聚类方法 17

2.1 时间序列模型 19

2.1.1 时间序列数据的特征 19

2.1.2 线性时间序列模型 21

2.1.3 非线性时间序列模型 24

2.2 聚类方法 26

2.2.1 传统的聚类方法 27

2.2.2 聚类结果评价标准 29

2.3 非参数时间序列聚类方法综述与对比 30

2.3.1 欧几里得距离 31

2.3.2 序列间相关系数 31

2.3.3 自相关系数 32

2.3.4 KLJ距离 33

2.3.5 功率谱 34

2.4 模拟实验对比研究 34

2.4.1 数据的生成 35

2.4.2 聚类结果 35

2.4.3 结果分析 38

2.5 结论 40

3基于平滑自回归函数的非线性时间序列聚类 41

3.1 研究意义 44

3.2 时间序列自回归函数的平滑方法 46

3.2.1 局部多项式拟合 47

3.2.2 样条方法 48

3.3 基于平滑后的自回归函数的聚类方法 50

3.3.1 向量法 50

3.3.2 基函数系数 52

3.4 假设检验程序 54

3.4.1 假设检验的提出 54

3.4.2 大样本：渐近近似的方法 55

3.4.3 小样本：自助法重抽样的方法 56

3.4.4 模拟研究 57

3.5 模拟实验 61

3.5.1 模拟实验一 61

3.5.2 模拟实验二 62

3.6 结论 63

4基于核密度估计的时间序列的聚类方法 65

4.1 时间序列的核密度估计 67

4.1.1 一维核密度估计 67

4.1.2 多维核密度估计 69

4.2 基于一维核密度估计的聚类方法 70

4.2.1 预测值的计算 71

4.2.2 距离矩阵的计算 73

4.2.3 聚类方法 74

4.3 基于二维核密度估计的聚类方法 74

4.3.1 研究意义 74

4.3.2 距离度量的定义 76

4.3.3 聚类步骤 77

4.3.4 模拟实验 77

4.4 应用研究 80

4.4.1 研究意义 80

4.4.2 数据分析和聚类过程 81

4.4.3 聚类结果及分析 83

4.5 结论 86

5基于KS距离的非线性时间序列的聚类方法 89

5.1 KS检验 91

5.1.1 KS一维检验 91

5.1.2 KS二维检验 93

5.1.3 数据相关下的KS检验 95

5.2 基于KS1D距离度量的聚类方法 96

5.2.1 KS1D距离度量 96

5.2.2 应用研究 98

5.3 基于KS2D距离度量的聚类方法 100

5.3.1 研究意义 100

5.3.2 KS2D距离的定义 103

5.3.3 KS2D距离的特性分析 104

5.3.4 聚类步骤 109

5.3.5 模拟实验 111

5.3.6 应用研究 112

5.4 结论 114

6总结与展望 117

6.1 总结 119

6.2 展望 120

6.2.1 平滑参数对聚类结果的影响 120

6.2.2 KS2D距离一致性的理论证明尚未完成 120

6.2.3 缺乏各种聚类算法的对比研究 121

6.2.4 可扩展到多变量时间序列聚类 121

6.2.5 数据的局限性导致在应用研究方面的不足 121

参考文献 122

查看更多关于的内容