关联规则算法在股票分析预测中的应用研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·研究背景 | 第7-15页 |
| ·数据挖掘的产生与发展 | 第7-8页 |
| ·数据挖掘的概念 | 第8-9页 |
| ·数据挖掘的研究现状 | 第9-10页 |
| ·数据挖掘分析方法 | 第10-11页 |
| ·关联规则问题的提出 | 第11-12页 |
| ·关联规则挖掘的应用及发展前景 | 第12-13页 |
| ·关联规则挖掘问题的国内外研究现状 | 第13-15页 |
| ·本文的组织结构 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第二章 关联规则挖掘的基本理论 | 第16-30页 |
| ·关联规则的基本概念 | 第16-17页 |
| ·关联规则的分类 | 第17-22页 |
| ·根据所处理值的类型分类 | 第17-18页 |
| ·根据所涉及的抽象层分类 | 第18-20页 |
| ·根据所涉及的数据维分类 | 第20-21页 |
| ·根据对关联规则的不同扩充分类 | 第21-22页 |
| ·关联规则挖掘的步骤 | 第22页 |
| ·经典算法Apriori 算法 | 第22-27页 |
| ·Apriori 算法频繁项集的生成 | 第22-26页 |
| ·由频繁集产生关联规则 | 第26-27页 |
| ·几种改进算法 | 第27-29页 |
| ·改进算法的局限性 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第三章 关联规则算法 Apriori 的不足 | 第30-34页 |
| ·Apriori 算法的不足 | 第30-31页 |
| ·几种改进方法 | 第31页 |
| ·改进算法存在的不足 | 第31-32页 |
| ·规则的可导出性 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 Apriori 算法的改进 | 第34-44页 |
| ·算法改进的理论基础 | 第34-38页 |
| ·Heckerman-确信因子 | 第34-36页 |
| ·HK-CF 的新发现 | 第36页 |
| ·可导出性的推广 | 第36-38页 |
| ·新的规则定义 | 第38-40页 |
| ·改进算法的基本思想 | 第40页 |
| ·改进算法的描述 | 第40-42页 |
| ·实验结果 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 改进算法在股票分析预测中的应用 | 第44-55页 |
| ·股市的传统分析方法 | 第44-47页 |
| ·基本分析和技术分析方法概述 | 第44-45页 |
| ·经济统计学方法 | 第45-47页 |
| ·股票数据 | 第47-48页 |
| ·数据预处理 | 第48-51页 |
| ·算法应用 | 第51-53页 |
| ·分析预测 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 结论 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 在学期间发表的学术论文和参加科研情况 | 第62-63页 |
| 详细摘要 | 第63-71页 |
