| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·论文的研究背景和研究目的 | 第9-11页 |
| ·研究背景 | 第9-10页 |
| ·研究目的 | 第10-11页 |
| ·论文结构设计 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 相关应用理论概述 | 第13-27页 |
| ·关联分析 | 第13-19页 |
| ·关联规则基本概念 | 第13-15页 |
| ·经典Apriori算法 | 第15-19页 |
| ·贝叶斯统计 | 第19-26页 |
| ·贝叶斯估计概述 | 第19-21页 |
| ·先验分布的确定 | 第21-22页 |
| ·共轭先验分布 | 第22-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于贝叶斯估计与分布的关联规则挖掘算法 | 第27-46页 |
| ·问题提出 | 第27-28页 |
| ·项变量分布与参数的贝叶斯估计 | 第28-32页 |
| ·基于项变量分布特征的关联规则算法 | 第32-36页 |
| ·基于项变量分布的关联规则算法与经典Apriori算法比较 | 第36-45页 |
| ·带有项目发生量的动态尺度关联规则提取 | 第37-41页 |
| ·经典Apriori算法提取关联规则 | 第41-43页 |
| ·分布算法和Apriori算法提取关联规则结果比较分析 | 第43-45页 |
| ·关联规则检验 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于贝叶斯估计与分布的关联规则更新学习算法 | 第46-55页 |
| ·关联规则更新的贝叶斯估计问题 | 第46-49页 |
| ·基于项变量贝叶斯估计与分布方法的关联规则更新 | 第49页 |
| ·项变量分布的关联规则更新算法与经典Apriori更新算法比较 | 第49-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于贝叶斯估计与分布的证券收益关联规则分析 | 第55-61页 |
| ·数据收集与处理 | 第55页 |
| ·证券相关因素的分布特征与统计分析 | 第55-57页 |
| ·基于分布的证券收益关联规则提取 | 第57-59页 |
| ·改进关联规则方法的结果比较分析 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 答辩委员会对论文的评定意见 | 第67页 |
