时间序列的聚类方法及其应用研究

　　本书不在沿用基于模型来进行聚类的研究思路，而是借用非常灵活的非参数方法。本书的研究目标是使用非参数方法来研究非线性时间序列的聚类问题，通过理解序列是如何被生成的，估计出生成时间序列的随机过程之间的相似性来定义其距离度量。本对比研究了现有的非参数时间序列聚类方法，提出一类以时间序列平滑后的自回归函数的差异作为度量的聚类方法，一类基于时间序列的核密度估计的聚类方法，KS1D度量和KS2D距离度量。

　　张贝贝，河南省济源市人，北京大学博士毕业生，现任首都经济贸易大学统计学院讲师，主要研究时间序列分析、数据挖掘、贝叶斯统计，曾在核心期刊上发表过多篇论文。

目录


1绪论
1.1课题背景及研究意义
1.2国内外研究现状
1.3本研究的主要工作

2自适应小波神经网络(AWNN)研究
2.1引言
2.2AWNN相关基础理论研究
2.3AWNN方法的提出
2.4计算机仿真验证分析
2.5本章小结

3AWNN在异常检测分析系统智能化应用中的验证研究
3.1引言
3.2基于AWNN的视频图像异常检测分析系统设计
3.3道具入侵异常检测分析实验
3.4生活场景中的入侵异常检测分析实验
3.5本章小结

4基于AWNN的控制参数在线整定方法研究
4.1引言
4.2基于AWNN方法的OLTCP方法
4.3控制系统建模
4.4控制系统稳定性分析
4.5控制系统误差分析
4.6计算机仿真研究
4.7本章小结

5基于AWNN与基于推理规则的智能控制系统的对比研究
5.1引言
5.2控制参数在线整定系统
5.3F-PID和FA-PID在线整定系统控制器设计
5.4E-PID和EA-PID在线整定系统
5.5计算机仿真研究
5.6两类智能控制方法的对比研究
5.7本章小结

参考文献