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。

1 绪论
1.1 研究意义和研究目的
1.1.1 研究意义
1.1.2 研究目的
1.2 国内外研究现状综述
1.2.1 聚类目的
1.2.2 聚类方法综述
1.2.3 聚类步骤
1.3 本书的研究内容和创新之处
1.3.1 研究内容
1.3.2 创新之处
2 时间序列聚类方法
2.1 时间序列模型
2.1.1 时间序列数据的特征
2.1.2 线性时间序列模型
2.1.3 非线性时间序列模型
2.2 聚类方法
2.2.1 传统的聚类方法
2.2.2 聚类结果评价标准
2.3 非参数时间序列聚类方法综述与对比
2.3.1 欧几里得距离
2.3.2 序列间相关系数
2.3.3 自相关系数
2.3.4 KLJ距离
2.3 。5功率谱
2.4 模拟实验对比研究
2.4.1 数据的生成
2.4.2 聚类结果
2.4.3 结果分析
2.5 结论
3 基于平滑自回归函数的非线性时间序列聚类
3.1 研究意义
3.2 寸间序列自回归函数的平滑方法
3.2.1 局部多项式拟合
3.2.2 样条方法
3.3 基于平滑后的自回归函数的聚类方法
3.3.1 Ii句量法
3.3.2 基函数系数
3.4 假设检验程序
3.4.1 假设检验的提出
3.4.2 大样本：渐近近似的方法
3.4.3 ,d』、样本：自助法重抽样的方法
3.4.4 模拟研究
3.5 模拟实验
3.5.1 模拟实验一
3.5.2 模拟实验二
3.6 结论
4 基于核密度估计的时间序列的聚类方法
4.1 时间序列的核密度估计
4.1.1 一维核密度估计
4.1.2 多维核密度估计
4.2 基于一维核密度估计的聚类方法
4.2.1 预测值的计算
4.2.2 距离矩阵的计算
4.2.3 聚类方法
4.3 基于二维核密度估计的聚类方法
4.3.1 研究意义
4.3.2 距离度量的定义
4.3.3 聚类步骤
4.3.4 模拟实验
4.4 立用研究
4.4.1 研究意义
4.4.2 数据分析和聚类过程
4.4.3 聚类结果及分析
4.5 结论
5 基于KS距离的非线性时间序列的聚类方法
5.1 KS检验
5.1.1 KS一维检验
5.1.2 KS--维检验
5.1.3 数据相关下的KS检验
5.2 基于KSID距离度量的聚类方法
5.2.1 ：KSlD距离度量
5.2.2 应用研究
5.3 基于KS2D距离度量的聚类方法
5.3.1 研究意义
5.3.2 KS2D距离的定义
5.3.3 KS2D距离的特性分析
5.3.4 聚类步骤
5.3.5 模拟实验
5.3.6 应用研究
5.4 结论
6 总结与展望
6.1 总结
6.2 展望
6.2.1 平滑参数对聚类结果的影响
6.2.2 KS2D距离一致性的理论证明尚未完成
6.2.3 缺乏各种聚类算法的对比研究
6.2.4 可扩展到多变量时间序列聚类
6.2.5 数据的局限性导致在应用研究方面的不足
参考文献