| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 当前研究现状 | 第9-11页 |
| 1.2.1 基本面分析法 | 第10页 |
| 1.2.2 技术面分析法 | 第10页 |
| 1.2.3 综合分析法 | 第10-11页 |
| 1.3 本论文的主要工作及创新之处 | 第11页 |
| 1.4 本论文的结构 | 第11-12页 |
| 1.5 本章小节 | 第12-13页 |
| 第二章 数据挖掘技术与股市知识概述 | 第13-19页 |
| 2.1 问题的提出分析 | 第13-15页 |
| 2.1.1 股票分析预测几大难题 | 第13-14页 |
| 2.1.2 数据挖掘技术应用于股市的可行性分析 | 第14-15页 |
| 2.2 数据挖掘概述 | 第15-17页 |
| 2.3 股票分析概述 | 第17-18页 |
| 2.4 解决方案概述 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 决策树分类法在重要属性分析中的应用 | 第19-39页 |
| 3.1 ID3决策树分类算法背景知识 | 第19-21页 |
| 3.1.1 ID3算法基本概念 | 第19-20页 |
| 3.1.2 决策树算法核心思想 | 第20页 |
| 3.1.3 决策树算法优点 | 第20-21页 |
| 3.2 构造决策树实例分析 | 第21-27页 |
| 3.2.1 数据准备 | 第21页 |
| 3.2.2 算法应用分析 | 第21-27页 |
| 3.3 ID3算法存在的问题 | 第27-28页 |
| 3.3.1 连续属性值问题 | 第27页 |
| 3.3.3 多值偏向问题 | 第27页 |
| 3.3.4 过度拟合问题 | 第27-28页 |
| 3.4 改进的ID3算法 | 第28-38页 |
| 3.4.1 属性的值划分分类算法 | 第28页 |
| 3.4.2 算法的性能分析 | 第28-29页 |
| 3.4.3 领域知识属性优先权及其权重确定 | 第29-30页 |
| 3.4.4 改进后算法举例演示 | 第30-38页 |
| 3.5 本章小节 | 第38-39页 |
| 第四章 关联规则算法在板块关系研究中的应用 | 第39-52页 |
| 4.1 关联规则的基本概念 | 第39-40页 |
| 4.2 经典Apriori算法简介 | 第40页 |
| 4.3 挖掘步骤示例 | 第40-41页 |
| 4.5 改进Apriori算法在股票板块分析中的应用 | 第41-50页 |
| 4.5.1 Apriori算法的缺陷 | 第42-43页 |
| 4.5.2 关联规则在股票板块指数中应用示例 | 第43-44页 |
| 4.5.3 改进的算法思路分析 | 第44-45页 |
| 4.5.4 改进后算法伪代码 | 第45-47页 |
| 4.5.5 改进算法的实验数据采集及预处理 | 第47-48页 |
| 4.5.6 数据挖掘及实验结果 | 第48-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第五章 结语与展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56页 |