| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究的背景和意义 | 第10-11页 |
| ·本文的逻辑线索 | 第11页 |
| ·文献综述 | 第11-16页 |
| ·股价预测研究和神经网络 | 第11-14页 |
| ·粒计算 | 第14-16页 |
| ·研究的内容与结构 | 第16-17页 |
| ·本文的创新点 | 第17-19页 |
| 第二章 基于BP神经网络股指预测研究 | 第19-39页 |
| ·神经网络及其相关基础知识 | 第19-25页 |
| ·机器学习 | 第19页 |
| ·人工神经网络概述 | 第19-20页 |
| ·神经网络的基本原理 | 第20-24页 |
| ·多层感知器 | 第24-25页 |
| ·BP学习算法 | 第25-33页 |
| ·BP学习过程 | 第25-31页 |
| ·BP算法步骤 | 第31-33页 |
| ·实例分析 | 第33-39页 |
| 第三章 基于遗传算法优化BP神经网络的股指预测研究 | 第39-49页 |
| ·遗传算法的基础知识 | 第39-40页 |
| ·遗传算法的基本步骤 | 第40-44页 |
| ·遗传算法优化BP神经网络 | 第44页 |
| ·实例分析 | 第44-49页 |
| 第四章 结合优化神经网络和粒计算的股指预测研究 | 第49-64页 |
| ·粒计算概述 | 第49-50页 |
| ·什么是粒计算 | 第49页 |
| ·面向人的粒计算以及面向机器的粒计算 | 第49-50页 |
| ·科学研究与粒计算 | 第50页 |
| ·信息粒化 | 第50-51页 |
| ·模糊信息粒化 | 第51-53页 |
| ·模糊信息粒化模型 | 第53-56页 |
| ·WItold Pedrycz模糊粒化的方法 | 第56-58页 |
| ·实例分析 | 第58-62页 |
| ·和周K线图比较 | 第62-64页 |
| 第五章 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 攻读硕士学位期间发表论文和参与的项目 | 第69-70页 |