本书以时间序列数据为研究对象，对时间序列数据的特表不相相似性度量进行较为深入和的研空进述了加何从数据特征的不同角度进行数据降维，结合设计相应的相似性度量方法实现时间序列数据挖掘，同时将相关的特征表示和相似性度量方法应用于文本主题、经济金融、情报分析和发动机参数等具体领域。全书分为11章：第1章对研究的背景和现状进行了分析，解释了为什么要研究时间序列数据的特征表示和相似性度量。第2章至第6章从时间序列数据的不同视角出发，深入浅出地介绍了新的时间序列数据特征表示和相似性度量等预处理方法。第7章到第10章以主题分析、股票预测、文献分析、发动机参数特征识别和故障检测为目标，将时间序列数据挖掘中的特征表示和相似性度量方法应用于解决具体行业中的相关管理科学问题。第11章对研究进行了总结，并提出了研究的创渐相禾米研允力。 本书的研究内容主要涉及统计学、计算机科学、经济学和管理学等，适合从事经济金融、电子信息、生物医学、工业与工程等工作的技术人员、管理人员或有志从事相关领域科学研究的本科生、研究生学习或参考。通过阅读和学习本书，读者可以较好地了解时间序列数据挖掘与传统时间序列数据分析的不同，为今后的时间序列数据的相关研究奠定基础。

第1章 绪论
1.1 选题背景及研究意义
1.1.1 选题背景
1.1.2 研究意义
1.2 研究现状和已有研究的不足之处
1.2.1 特征表示研究现状
1.2.2 相似性度量研究现状
1.2.3 已有研究的不足之处
1.3 本书研究内容和框架结构
1.3.1 研究内容
1.3.2 框架结构
第2章 基于正交多项式回归系数的特征表示及相似性度量
2.1 正交多项式回归系数特征表示
2.2 拟合效果分析
2.3 相似性度量
2.4 数值实验
2.4.1 拟合误差分析
2.4.2 下界紧凑性及数据剪枝能力
2.4.3 时间序列分类和聚类
2.5 本章小结
第3章 分段聚合特征表示及相似性度量
3.1 分段聚合近似
3.2 基于二维统计特征的分段聚合近似
3.2.1 分段聚合近似的下界性
3.2.2 线性统计特征
3.2.3 非线性统计特征
3.2.4 数值实验
3.3 基于二维形态特征的分段符号聚合近似
3.3.1 形态特征符号聚合近似
3.3.2 相似性度量及算法描述
3.3.3 数值实验
3.4 基于主要形态特征的分段聚合近似
3.4.1 主要形态特征表示
3.4.2 形态特征相似性度量
3.4.3 数值实验
3.5 本章小结
第4章 时间序列分段云模型特征表示及相似性度量
4.1 云模型简介
4.2 时间序列云模型特征表示
4.2.1 时间序列分段云近似
4.2.2 自适应分段云近似
4.3 云模型相似性度量
4.3.1 基于期望曲线的云模型相似度计算方法
4.3.2 基于最大边界曲线的云模型相似度计算方法
4.4 基于云模型的时间序列相似性计算
4.5 实验结果及分析
4.5.1 仿真实验
4.5.2 协同过滤推荐实验
4.5.3 时间序列分类分析
4.5.4 时间序列聚类分析
4.6 本章小结
第5章 不等长时间序列数据的弯曲距离度量
5.1 分段线性近似的导数动态时间弯曲度量
5.1.1 自适应分段线性表示
5.1.2 特征弯曲度量
5.1.3 数值实验
5.2 高效动态时间弯曲相似性搜索方法
5.2.1 高效动态时间弯曲
5.2.2 相似性搜索方法
5.2.3 数值实验
5.3 本章小结
第6章 时间序列数据的异步主成分分析
6.1 研究动机
6.2 主成分分析
6.3 异步主成分分析
6.4 实验评估
6.4.1 模拟数据聚类
6.4.2 UCI和股票数据挖掘
6.5 本章小结
第7章 共现时间序列聚类的主题网络分析
7.1 研究思路
7.2 基于Matrix Profile和社区检测的时间序列聚类方法
7.2.1 相关性度量
7.2.2 网络构建
7.2.3 社区检测
7.2.4 实例与过程
7.3 基于同时段时序相似性的主题网络聚类
7.3.1 主题关系定义
7.3.2 相关性度量
7.3.3 网络构建与划分
7.4 聚类结果与分析
7.4.1 滑动窗口构建网络聚类结果与分析
7.4.2 平均分段构建网络聚类结果与分析
7.5 本章小结
第8章 时间序列矩阵画像的金融数据预测分析
8.1 问题分析
8.2 矩阵画像相关理论
8.3 股票价格波动趋势预测方法
8.3.1 机构交易行为知识库
8.3.2 最佳模式匹配
8.3.3 预测算法
8.4 实验分析
8.4.1 数据收集与处理
8.4.2 预测结果评测标准
8.4.3 实例分析
8.4.4 实验评估
8.5 本章小结
第9章 期刊文献时间序列数据分析
9.1 研究动机
9.2 近邻传播聚类算法
9.3 数据来源与研究思路
9.4 参考文献来源期刊分析
9.4.1 参考文献来源期刊被引数值聚类分析
9.4.2 参考文献来源期刊被引趋势聚类分析
9.5 引证文献来源期刊分析
9.5.1 引证文献来源期刊被引数值聚类分析
9.5.2 引证文献来源期刊被引趋势聚类分析
9.6 本章小结
第10章 发动机参数时间序列数据特征分析与异常检测
10.1 基于形态特征的发动机参数特征识别
10.1.1 数据来源
10.1.2 参数特征识别方法
10.1.3 数值实验
10.2 基于统计特征的发动机故障检测
10.2.1 最不相似模式发现算法
10.2.2 基于非线性统计特征的异常检测
10.2.3 数值实验
10.3 本章小结
第11章 总结与展望
11.1 主要结论
11.2 主要创新点
11.3 研究展望
参考文献