数据挖掘的统计模型和算法的研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 缩写符号说明 | 第8-9页 |
| 1 绪论 | 第9-12页 |
| ·数据挖掘发展概述 | 第9页 |
| ·统计诊断发展概述 | 第9-10页 |
| ·研究现状 | 第10-11页 |
| ·本文主要工作 | 第11-12页 |
| 2 相关理论综述 | 第12-23页 |
| ·数据挖掘理论 | 第12-15页 |
| ·数据挖掘的定义 | 第12页 |
| ·数据挖掘的功能 | 第12页 |
| ·数据挖掘的方法和技术 | 第12-13页 |
| ·数据挖掘获得知识的表现形式 | 第13页 |
| ·数据挖掘的发展趋势 | 第13-14页 |
| ·数据挖掘与传统统计学的联系与区别 | 第14页 |
| ·数据挖掘的步骤 | 第14-15页 |
| ·线性模型的参数估计 | 第15-17页 |
| ·统计诊断的异常点、影响点和帽子矩阵 | 第17-23页 |
| ·异常点和影响点 | 第17-18页 |
| ·异常点、影响点、高杠杆点的区别和联系 | 第18-19页 |
| ·一些度量方法 | 第19-21页 |
| ·帽子矩阵 | 第21-23页 |
| 3 基于椭球约束线性模型的影响点挖掘 | 第23-30页 |
| ·引言及记号 | 第23-24页 |
| ·主要结果 | 第24-27页 |
| ·挖掘算法 | 第27页 |
| ·实例挖掘 | 第27-30页 |
| 4 基于泛岭估计类的影响点挖掘 | 第30-36页 |
| ·引言 | 第30-31页 |
| ·泛岭估计的影响分析 | 第31-35页 |
| ·帽子矩阵和残差的讨论 | 第31-32页 |
| ·泛岭估计的影响分析 | 第32-35页 |
| ·挖掘算法 | 第35页 |
| ·小结 | 第35-36页 |
| 5 基于时间序列异常点挖掘的股市实证分析 | 第36-41页 |
| ·引言 | 第36页 |
| ·模型及异常描述 | 第36-37页 |
| ·模型的引入 | 第36页 |
| ·含异常的AR 模型 | 第36页 |
| ·识别异常的SCORE 检测法 | 第36-37页 |
| ·实证分析 | 第37-40页 |
| ·数据采集及初始模型的建立 | 第37-38页 |
| ·异常识别 | 第38-39页 |
| ·改进的预测模型 | 第39-40页 |
| ·结论 | 第40-41页 |
| 6 结论与展望 | 第41-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 附录 | 第46-47页 |
| 独创性声明 | 第47页 |
| 学位论文版权使用授权书 | 第47页 |
