| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究的背景和意义 | 第9页 |
| ·粗糙集理论的发展历程与趋势 | 第9-10页 |
| ·神经网络的发展与应用 | 第10-11页 |
| ·本文的主要内容及组织结构 | 第11-13页 |
| 第2章 股票基础知识 | 第13-23页 |
| ·股票的概念及特征 | 第13页 |
| ·常用的股票术语 | 第13-14页 |
| ·股票预测理论的发展历程 | 第14-22页 |
| ·基本分析方法 | 第15页 |
| ·技术分析法 | 第15-18页 |
| ·基于统计学原理的股价预测方法 | 第18-20页 |
| ·基于神经网络的股价预测方法 | 第20-22页 |
| 本章小结 | 第22-23页 |
| 第3章 粗糙集理论基础 | 第23-36页 |
| ·粗糙集理论的基本概念 | 第23-27页 |
| ·知识与分类 | 第23页 |
| ·知识的一般约简 | 第23-24页 |
| ·知识的相对约简 | 第24-25页 |
| ·最优约简 | 第25页 |
| ·知识的依赖性 | 第25页 |
| ·决策逻辑与决策表的约简 | 第25-27页 |
| ·决策表属性约简的基本方法 | 第27-33页 |
| ·Attribute Reduction of Data Analysis Method | 第27-28页 |
| ·Attribute Reduction of Discernibility Matrix Method | 第28-29页 |
| ·Attribute Reduction of Heuristic Search Method | 第29-30页 |
| ·Attribute Reduction of Genetic Algorithm | 第30-33页 |
| ·各种粗糙集属性约简方法的实例比较 | 第33-35页 |
| 本章小结 | 第35-36页 |
| 第4章 RBF 神经网络在股市预测中的研究与应用 | 第36-51页 |
| ·选用RBF 网络的原因 | 第36页 |
| ·RBF 网络简介 | 第36-40页 |
| ·径向基函数（RBF） | 第36-37页 |
| ·RBF 网络的结构 | 第37页 |
| ·RBF 网络的学习算法 | 第37-40页 |
| ·Matlab 中径向基函数神经网络的工具箱函数 | 第40页 |
| ·RBF 网络的设计与应用 | 第40-50页 |
| ·选择网络的输入变量 | 第41-44页 |
| ·RBF 网络模型的建立 | 第44-50页 |
| 本章小结 | 第50-51页 |
| 第5章 股票价格走势分析模型的设计和实现 | 第51-68页 |
| ·需求分析与模型设计的总体思路 | 第51页 |
| ·输入数据预处理 | 第51-53页 |
| ·输入样本的选择 | 第51-52页 |
| ·SQL Server 2005 简介 | 第52-53页 |
| ·数据的归一化处理 | 第53页 |
| ·用粗糙集进行属性约简 | 第53页 |
| ·RBF 网络模型的建立 | 第53-54页 |
| ·模型输出的设置 | 第54-58页 |
| ·单支股票的预测趋势分类理论 | 第54-56页 |
| ·基于分类理论的输出的买卖点的设置 | 第56-58页 |
| ·模型设计的实现 | 第58-62页 |
| ·模型的应用实例 | 第62-67页 |
| 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的学术论文 | 第73-74页 |
| 致谢 | 第74页 |
