基于计算智能的金融数据异常发现
| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究的背景及意义 | 第12-13页 |
| ·国内外研究综述 | 第13-15页 |
| ·异常发现与计算智能研究综述 | 第13-14页 |
| ·金融数据异常发现研究综述 | 第14-15页 |
| ·本文的研究内容和章节安排 | 第15-18页 |
| ·本文的研究内容 | 第15-17页 |
| ·本文的章节安排 | 第17-18页 |
| 第2章 预备知识 | 第18-29页 |
| ·计算智能基本理论 | 第18-26页 |
| ·粗糙集基本理论 | 第18-19页 |
| ·贝叶斯分类 | 第19-21页 |
| ·支持向量机 | 第21-26页 |
| ·特征选择方法 | 第26-28页 |
| ·特征选择方法概述 | 第26-27页 |
| ·基于粗糙集的特征选择算法 | 第27页 |
| ·基于F-score的特征选择算法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于粗糙集和贝叶斯理论的信贷异常发现 | 第29-45页 |
| ·基于粗糙集的特征选择 | 第29-30页 |
| ·数据描述与预处理工作 | 第29-30页 |
| ·基于粗糙集的特征选择 | 第30页 |
| ·基于贝叶斯理论的信贷数据异常发现 | 第30-43页 |
| ·信贷数据的贝叶斯分析 | 第31-36页 |
| ·朴素贝叶斯分类 | 第36-43页 |
| ·本章小结 | 第43-45页 |
| 第4章 基于支持向量机的股市异常发现 | 第45-78页 |
| ·数据的收集与处理 | 第45页 |
| ·异常点的定义与发现 | 第45-49页 |
| ·异常点的定义 | 第45-48页 |
| ·异常点的发现 | 第48-49页 |
| ·样本的选择与分组 | 第49页 |
| ·基于F-SCORE的特征选择 | 第49-51页 |
| ·基于支持向量机的异常发现 | 第51-76页 |
| ·Clementine介绍 | 第51-52页 |
| ·实验准备 | 第52-53页 |
| ·数据实验 | 第53-75页 |
| ·实验改进与分析 | 第75-76页 |
| ·本章小结 | 第76-78页 |
| 结论 | 第78-80页 |
| ·全文总结 | 第78-79页 |
| ·展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 附录 | 第86-90页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第90页 |
