元启发聚类及其在股市板块分析中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外发展现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 主要研究工作 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 算法相关知识 | 第18-33页 |
| 2.1 元启发式算法 | 第18-23页 |
| 2.1.1 元启发算法综述 | 第18-19页 |
| 2.1.2 常见群体智能优化算法 | 第19-23页 |
| 2.1.2.1 粒子群算法 | 第19-22页 |
| 2.1.2.2 果蝇优化算法 | 第22-23页 |
| 2.2 聚类分析方法 | 第23-32页 |
| 2.2.1 聚类分析基本概念 | 第24页 |
| 2.2.2 常见聚类算法 | 第24-30页 |
| 2.2.2.1 K均值 | 第25-26页 |
| 2.2.2.2 层次聚类 | 第26-28页 |
| 2.2.2.3 近邻传播聚类 | 第28-30页 |
| 2.2.3 聚类有效性评价指标 | 第30-32页 |
| 2.2.3.1 外部度量 | 第31页 |
| 2.2.3.2 内部度量 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第3章 组合变异果蝇优化的近邻传播算法 | 第33-49页 |
| 3.1 组合变异的果蝇优化算法 | 第33-35页 |
| 3.1.1 相关概率分布 | 第34页 |
| 3.1.2 组合变异策略 | 第34-35页 |
| 3.2 实验结果与分析 | 第35-42页 |
| 3.2.1 实验环境 | 第37-38页 |
| 3.2.2 寻优精度测试 | 第38-39页 |
| 3.2.3 收敛性测试 | 第39-40页 |
| 3.2.4 收敛速度分析 | 第40-42页 |
| 3.3 组合变异果蝇优化的近邻传播算法 | 第42-43页 |
| 3.3.1 算法描述 | 第42-43页 |
| 3.4 实验结果与分析 | 第43-48页 |
| 3.4.1 实验数据 | 第43-45页 |
| 3.4.2 实验环境与参数设置 | 第45页 |
| 3.4.3 实验分析 | 第45-48页 |
| 3.5 本章小节 | 第48-49页 |
| 第4章 股市财务数据的聚类分析 | 第49-68页 |
| 4.1 财务指标聚类 | 第49-50页 |
| 4.2 数据选取与预处理 | 第50-55页 |
| 4.2.1 数据选取 | 第50-52页 |
| 4.2.2 数据预处理 | 第52-55页 |
| 4.3 实验方案设计 | 第55页 |
| 4.4 实验结果及分析 | 第55-67页 |
| 4.4.1 电力行业数据聚类结果分析 | 第55-59页 |
| 4.4.2 金融行业数据聚类结果分析 | 第59-62页 |
| 4.4.3 电子信息数据聚类结果分析 | 第62-65页 |
| 4.4.4 实验分析与总结 | 第65-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 股票聚类系统实现 | 第68-73页 |
| 5.1 股票聚类系统的设计 | 第68-69页 |
| 5.2 股票聚类系统展示 | 第69-72页 |
| 5.2.1 股票数据更新模块 | 第69-70页 |
| 5.2.2 股票数据可视化模块 | 第70-71页 |
| 5.2.3 股票数据聚类分析模块 | 第71-72页 |
| 5.3 本章小节 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间发表的学术论文及其他成果 | 第79-80页 |
| 致谢 | 第80页 |
