| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 1 绪论 | 第10-18页 |
| ·论文选题背景 | 第10-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·本论文主要研究内容 | 第16页 |
| ·本文的组织结构 | 第16-18页 |
| 2 时序数据挖掘方法概述 | 第18-23页 |
| ·趋势分析 | 第18-20页 |
| ·相似搜索 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3 经典时序数据预测模型及其应用 | 第23-36页 |
| ·二次指数平滑模型(SESM) | 第23-31页 |
| ·马尔科夫模型(Markov Model) | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 4 基于粗糙集的时序数据挖掘 | 第36-54页 |
| ·Pawlak粗糙集模型 | 第36-39页 |
| ·信息系统与属性约简 | 第39-43页 |
| ·决策规则的产生 | 第43页 |
| ·基于RS的时序数据挖掘模型 | 第43-45页 |
| ·时间序列转换为决策信息系统 | 第45-48页 |
| ·基于RS和趋势变化率结构序列的一步(多步)前向预测 | 第48-52页 |
| ·滑动窗口大小的优化与选取 | 第52页 |
| ·挖掘算法 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 5 基于粗糙集的时序数据挖掘方法在股市预测中的应用 | 第54-63页 |
| ·实验步骤 | 第54-61页 |
| ·实验结果 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 研究成果 | 第69-72页 |
| 致谢 | 第72页 |