第一章 绪论 1
第一节 时间序列研究的实际需求 1
一、研究背景 1
二、研究的实际需求 4
三、时间序列数据挖掘的研究任务 6
第二节 时间序列数据挖掘的研究现状 7
一、时间序列数据挖掘概述 7
二、时间序列模式表示 9
三、时间序列相似度量 13
四、时间序列索引 14
五、时间序列模式发现 15
六、时间序列预测与数据可视化 16
第三节 本书工作 18
一、研究内容 18
二、创新点 20
三、组织结构 21
第二章 多变量时间序列模式表示和相似度量 23
第一节 相关研究 24
一、时间序列定义 25
二、复杂类型数据挖掘问题 28
第二节 时间序列模式表示 29
一、时间序列的模式表示定义 30
二、时间序列模式表示的好处 30
三、时间序列表示方法应遵循的原则 31
四、时间序列主要模式表示方法 32
第三节 相似度量 40
一、Minkowski距离 41
二、动态时间弯曲距离 42
三、扩展的Frobenius范数距离 47
第四节 基于序列重要点的时间序列分割算法 50
一、序列重要点定义 51
二、基于序列重要点分割算法PLR_SIP描述 52
三、实验结果评价 54
第五节 本章小结 57
第三章 多变量时间序列聚类分析 59
第一节 相关研究 60
一、聚类分析的概念 61
二、聚类的特征 62
三、聚类间的距离 63
四、聚类有效性 64
五、聚类过程 65
六、数据挖掘中现有的聚类算法 66
第二节 多变量时间序列聚类算法 74
一、多变量时间序列主成分分析 75
二、PCA-CLUSTER聚类算法 79
第三节 实验及结果分析 81
一、实验数据集 81
二、算法性能评价 82
第四节 本章小结 86
第四章 多变量时间序列相似查询 87
第一节 研究基础 88
一、时间序列相似定义 90
二、时间序列的相似度量 91
三、时间序列相似的查询方式 92
四、相似性查询的策略 93
五、相似查询的完备性 96
第二节 多变量时间序列的相似查询 99
一、B＋-tree索引技术 100
二、多变量时间序列相似查询算法 102
第三节 实验及结果分析 105
一、实验数据及环境 105
二、算法性能评价 105
第四节 本章小结 110
第五章 多变量时间序列关联模式挖掘 111
第一节 研究基础 113
一、关联规则的意义 114
二、经典关联规则挖掘算法研究 115
第二节 多变量时间序列的关联模式挖掘算法 122
一、多变量时间序列的关联模式挖掘算法描述 123
二、多变量时间序列关联模式算法的实现 124
第三节 实验及结果分析 126
一、实验数据及环境 126
二、算法性能评价 127
第四节 本章小结 127
第六章 多变量时间序列异常检测 129
第一节 研究基础 130
一、异常的描述 131
二、异常定义 135
三、异常检测的理论基础 138
四、经典异常检测算法 140
第二节 多变量时间序列的异常检测算法 146
一、多变量时间序列异常检测步骤 146
二、多变量时间序列异常检测算法描述 146
第三节 实验及结果分析 148
一、实验数据 148
二、实验结果 149
第四节 本章小结 150
第七章 总结与展望 152
第一节 总结 152
第二节 进一步工作 154
参考文献 157