遗传算法及BP神经网络融合策略在股市预测中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第7-10页 |
| ·课题研究的背景及意义 | 第7页 |
| ·课题的依据 | 第7-8页 |
| ·股市预测研究现状 | 第8-9页 |
| ·本文主要工作 | 第9-10页 |
| 第二章 股票的基本知识及其预测 | 第10-15页 |
| ·股票基本知识 | 第10-11页 |
| ·股票的特征 | 第10页 |
| ·影响我国股市的因素 | 第10-11页 |
| ·股票预测 | 第11-15页 |
| ·神经网络预测方法 | 第12-13页 |
| ·神经网络预测方法与传统预测方法的比较 | 第13-14页 |
| ·股市预测面临的主要难题 | 第14-15页 |
| 第三章 遗传算法 | 第15-22页 |
| ·遗传算法简介 | 第15-17页 |
| ·遗传算法的基本概念 | 第15-16页 |
| ·遗传算法的一般流程 | 第16-17页 |
| ·遗传算法的基本操作 | 第17-20页 |
| ·选择(Selection) | 第18-19页 |
| ·交叉(Crossover) | 第19-20页 |
| ·变异(Mutation) | 第20页 |
| ·遗传算法的特点 | 第20-22页 |
| ·遗传算法的优点 | 第20-21页 |
| ·遗传算法的局限性 | 第21-22页 |
| 第四章 神经网络及BP算法 | 第22-37页 |
| ·神经网络简介 | 第22-25页 |
| ·生物神经网络的启示 | 第22-23页 |
| ·人工神经元 | 第23-24页 |
| ·神经网络的拓扑结构 | 第24页 |
| ·神经网络的学习规则 | 第24-25页 |
| ·神经网络的特点 | 第25页 |
| ·BP神经网络 | 第25-34页 |
| ·BP神经网络概述 | 第26页 |
| ·BP神经网络的原理 | 第26-27页 |
| ·BP神经网络算法流程 | 第27-31页 |
| ·BP神经网络的主要特点 | 第31-33页 |
| ·BP算法的常用改进方法 | 第33-34页 |
| ·BP神经网络的初始化 | 第34-37页 |
| ·三层BP神经网络的确定 | 第34页 |
| ·输入、输出层的设计 | 第34页 |
| ·隐含层节点数的选定 | 第34-35页 |
| ·初始权值、阈值的选取 | 第35页 |
| ·学习速率的选取 | 第35-36页 |
| ·数据的归一化 | 第36-37页 |
| 第五章 遗传算法与BP神经网络的融合策略 | 第37-42页 |
| ·概述 | 第37页 |
| ·遗传算法与神经网络的结合 | 第37-39页 |
| ·遗传算法对神经网络连接权的优化 | 第37-38页 |
| ·遗传算法对神经网络结构的优化 | 第38-39页 |
| ·遗传算法对神经网络学习规则的优化 | 第39页 |
| ·遗传算法优化神经网络连接权的一般流程 | 第39-41页 |
| ·遗传算法与神经网络结合的发展及研究动向 | 第41-42页 |
| 第六章 股市预测系统的实现与比较分析 | 第42-57页 |
| ·系统目标 | 第42页 |
| ·网络模型及参数的确定 | 第42-44页 |
| ·预测网络模型的确定 | 第42-43页 |
| ·预测网络参数的设定 | 第43-44页 |
| ·系统实施 | 第44-53页 |
| ·开发平台 | 第45页 |
| ·系统实施流程 | 第45页 |
| ·系统初始化 | 第45-46页 |
| ·样本数据的处理 | 第46-48页 |
| ·历史数据的选取 | 第46-47页 |
| ·样本数据的筛选 | 第47-48页 |
| ·样本数据归一化处理 | 第48页 |
| ·遗传算法的实施 | 第48-52页 |
| ·获得样本 | 第48-49页 |
| ·选择算子 | 第49-50页 |
| ·交叉算子 | 第50-51页 |
| ·变异算子 | 第51-52页 |
| ·BP算法的实施 | 第52页 |
| ·预测实施 | 第52-53页 |
| ·系统运行与统计 | 第53-56页 |
| ·最优参数的确定 | 第53-54页 |
| ·系统运行与统计 | 第54-56页 |
| ·系统分析 | 第56-57页 |
| 第七章 结论与展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 附录 | 第62-63页 |
