| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景 | 第9-12页 |
| ·数据挖掘概述 | 第9-11页 |
| ·数据挖掘在期货市场的应用背景 | 第11-12页 |
| ·研究目的和意义 | 第12-13页 |
| ·本文主要研究内容及组织结构 | 第13-17页 |
| 第二章 研究基础综述 | 第17-25页 |
| ·数据流挖掘常用模型 | 第17-18页 |
| ·数据流分类算法研究 | 第18-21页 |
| ·数据挖掘在量化投资中的应用 | 第21-23页 |
| ·基于SOM网络的股票聚类分析方法 | 第21-22页 |
| ·基于关联规则的板块轮动 | 第22页 |
| ·基于SVM的复杂金融时间序列预测 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 融入概念相似度的隐含概念漂移的决策树分类算法 | 第25-35页 |
| ·相关定义描述 | 第25-27页 |
| ·融入概念相似度的隐含概念漂移的决策树分类算法 | 第27-32页 |
| ·集成分类器 | 第28-29页 |
| ·概念的抽取与存储 | 第29-30页 |
| ·概念漂移的检测 | 第30-31页 |
| ·概念相似度的计算 | 第31-32页 |
| ·算法描述 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 计算动词决策树算法 | 第35-43页 |
| ·计算动词 | 第35页 |
| ·计算动词决策树的构建 | 第35-42页 |
| ·数据库动词化 | 第35-37页 |
| ·数据库数字化 | 第37页 |
| ·2采样点计算动词之间的计算动词相似度 | 第37-38页 |
| ·数据记录分类 | 第38-39页 |
| ·影响因子的计算及根节点的选择 | 第39-41页 |
| ·叶节点的选择 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 融入概念相似度的计算动词决策树分类算法 | 第43-59页 |
| ·问题描述 | 第43-46页 |
| ·数据库动词化 | 第43页 |
| ·相关定义的描述 | 第43-46页 |
| ·概念相似度的计算 | 第46-51页 |
| ·模型构建 | 第51-54页 |
| ·概念树的构造 | 第51页 |
| ·概念内涵的抽取与存储 | 第51-52页 |
| ·决策树分裂准则的确定 | 第52页 |
| ·分类器准确率的评估 | 第52-53页 |
| ·决策树剪枝 | 第53页 |
| ·构建组合分类器 | 第53-54页 |
| ·算法描述 | 第54-56页 |
| ·本章小结 | 第56-59页 |
| 第六章 实证分析——算法在期货市场的应用 | 第59-73页 |
| ·实验数据及目的 | 第59页 |
| ·数据预处理 | 第59-63页 |
| ·数据清理 | 第59-61页 |
| ·Kendall系数计算 | 第61-62页 |
| ·Kendall系数聚类分析 | 第62-63页 |
| ·模型应用 | 第63-69页 |
| ·数据库动词化 | 第63-66页 |
| ·建立概念子树 | 第66页 |
| ·存储概念信息 | 第66-67页 |
| ·结果 | 第67-69页 |
| ·结果分析 | 第69-71页 |
| ·走势与开仓的关系 | 第69-70页 |
| ·算法应用于模拟交易效果 | 第70-71页 |
| ·实验对比 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 第七章 总结与展望 | 第73-75页 |
| ·总结 | 第73-74页 |
| ·展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 附录1 | 第81页 |
| 附录2 | 第81-82页 |
| 致谢 | 第82-83页 |