| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 研究内容和框架 | 第12-14页 |
| 1.3 研究创新点 | 第14-15页 |
| 第2章 流数据聚类综述 | 第15-39页 |
| 2.1 传统聚类方法在股票市场的应用 | 第15-16页 |
| 2.2 流数据聚类 | 第16-35页 |
| 2.2.1 流数据聚类概述 | 第16-21页 |
| 2.2.2 流数据聚类技术 | 第21-35页 |
| 2.3 计算方法 | 第35页 |
| 2.3.1 增量学习 | 第35页 |
| 2.3.2 两阶段学习 | 第35页 |
| 2.4 流验证 | 第35-36页 |
| 2.5 传统聚类与流数据聚类的比较 | 第36-37页 |
| 2.6 本章小结 | 第37-39页 |
| 第3章 基于股市分析的流数据聚类算法研究 | 第39-50页 |
| 3.1 流数据聚类在股市分析中的应用背景和现状 | 第39-41页 |
| 3.1.1 流数据聚类技术适用于股市分析的原因 | 第39页 |
| 3.1.2 基于股市行情分析的流数据挖掘算法特点 | 第39-41页 |
| 3.2 D-Stream算法分析 | 第41-49页 |
| 3.2.1 D-Stream算法的相关概念 | 第41-45页 |
| 3.2.2 D-Stream算法的基本思想 | 第45-49页 |
| 3.3 本章小结 | 第49-50页 |
| 第4章 D-Stream算法在股市的实证分析 | 第50-59页 |
| 4.1 基于D-Stream算法的股市行情数据模型 | 第50-53页 |
| 4.1.1 数据来源和指标选取 | 第50-52页 |
| 4.1.2 数据预处理 | 第52-53页 |
| 4.2 股票聚类及结果分析 | 第53-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第5章 结论和展望 | 第59-61页 |
| 5.1 结论 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间取得的学术成果 | 第65-66页 |
| 致谢 | 第66页 |