| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 引言 | 第8-11页 |
| 1.2 课题背景及研究意义 | 第11-12页 |
| 1.3 论文的组织结构 | 第12-13页 |
| 第二章 证券交易中异常行为检测技术分析 | 第13-26页 |
| 2.1 证券分析常用技术 | 第13-18页 |
| 2.1.1 证券市场预测的困难 | 第14页 |
| 2.1.2 股市预测的思维方式 | 第14-15页 |
| 2.1.3 证券分析技术 | 第15-18页 |
| 2.2 数据挖掘在证券分析中的应用 | 第18-21页 |
| 2.2.1 数据挖掘定义 | 第18-19页 |
| 2.2.2 数据挖掘过程 | 第19-20页 |
| 2.2.3 数据挖掘方法 | 第20-21页 |
| 2.2.4 证券分析中的数据挖掘应用 | 第21页 |
| 2.3 证券交易中异常行为检测方法 | 第21-24页 |
| 2.3.1 异常行为检测流程 | 第21-22页 |
| 2.3.2 基于数据挖掘的异常检测算法 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 证券交易系统中异常行为检测需求分析 | 第26-31页 |
| 3.1 异常行为检测技术需求分析 | 第26-29页 |
| 3.1.1 证券交易中的异常行为 | 第26-27页 |
| 3.1.2 证券交易异常行为检测 | 第27-29页 |
| 3.2 异常行为检测技术可行性分析 | 第29-30页 |
| 3.2.1 技术可行性 | 第29页 |
| 3.2.2 经济可行性 | 第29页 |
| 3.2.3 操作可行性 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 证券交易系统中异常行为检测算法研究 | 第31-39页 |
| 4.1 K-MEANS聚类分析算法 | 第31-34页 |
| 4.2 自适应K-MEANS聚类算法 | 第34-38页 |
| 4.3 本章小结 | 第38-39页 |
| 第五章 支持异常行为检测的证券交易系统的实现与测试 | 第39-54页 |
| 5.1 证券交易系统功能需求 | 第39页 |
| 5.2 证券交易系统的开发平台与环境 | 第39-42页 |
| 5.2.1 Android开发平台 | 第39-41页 |
| 5.2.2 远程服务器端数据处理技术 | 第41页 |
| 5.2.3 数据库开发平台与技术 | 第41-42页 |
| 5.3 证券系统实现 | 第42-49页 |
| 5.3.1 系统开发环境配置 | 第42-44页 |
| 5.3.2 注册与登录模块实现 | 第44-45页 |
| 5.3.3 各证券交易功能模块实现 | 第45-48页 |
| 5.3.4 异常数据检测模块实现 | 第48-49页 |
| 5.4 证券系统测试 | 第49-53页 |
| 5.4.1 数据压力测试 | 第49-50页 |
| 5.4.2 页面响应延迟 | 第50页 |
| 5.4.3 异常行为检测模块测试 | 第50-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 论文工作总结 | 第54-55页 |
| 6.2 下一步工作 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |