首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

数据挖掘技术在金融市场领域的应用

摘要第5-6页
Abstract第6-7页
第1章 绪论第12-17页
    1.1 选题研究背景、目的与意义第12页
    1.2 数据挖掘技术的功能第12-13页
    1.3 数据挖掘在金融市场的应用第13-15页
        1.3.1 数据挖掘在证券行业的应用第14页
        1.3.2 数据挖掘在银行业的应用第14-15页
        1.3.3 数据挖掘在保险业的应用第15页
    1.4 本文构想第15-17页
第2章 相关理论技术第17-25页
    2.1 金融市场的特点与模型第17-19页
        2.1.1 金融市场特性第17-18页
        2.1.2 金融市场的分类第18-19页
    2.2 数据挖掘技术第19-24页
        2.2.1 数据挖掘常用方法第19-22页
        2.2.2 金融时间序列数据挖掘模型第22-24页
    2.3 小结第24-25页
第3章 改进的FCM聚类算法第25-32页
    3.1 聚类算法第25-26页
    3.2 FCM聚类算法第26-31页
        3.2.1 模糊C均值聚类第26-27页
        3.2.2 算法指标第27-29页
        3.2.3 算法缺点第29页
        3.2.4 参数m和c的确定第29-31页
    3.3 小结第31-32页
第4章 EMD-SVR预测模型第32-49页
    4.1 支持向量机第32-42页
        4.1.1 VC维第32-33页
        4.1.2 最优分类面的选取第33-35页
        4.1.3 广义最优分类面第35-36页
        4.1.4 核函数的选取第36-38页
        4.1.5 SSMO训练SVM算法第38-42页
    4.2 支持向量回归机第42-46页
        4.2.1 理论技术第42-45页
        4.2.2 实现技术第45页
        4.2.3 SVR用于金融预测第45-46页
    4.3 经验模态分解第46-48页
    4.4 小结第48-49页
第5章 基于改进FCM聚类的EMD-SVR预测实验分析第49-62页
    5.1 FCM聚类方法的实验步骤第50-51页
    5.2 EMD-SVR预测模型实验步骤第51-56页
    5.3 实验数据及收益分布函数的选取第56-59页
        5.3.1 实验数据的选取第56页
        5.3.2 收益分布函数的选取第56-59页
    5.4 混合模型的实现第59-61页
    5.5 小结第61-62页
结论第62-64页
参考文献第64-68页
致谢第68页

论文共68页,点击 下载论文
上一篇:基于J2EE的餐饮管理系统设计与实现
下一篇:基于Andriod的移动学习系统的设计与实现