| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-5页 |
| 第1章 引言 | 第5-9页 |
| 1．1 数据挖掘的历史及其发展 | 第5页 |
| 1．2 国内外数据挖掘研究现状 | 第5-6页 |
| 1．3 论文研究的背景和意义 | 第6-7页 |
| 1．4 论文的结构 | 第7-9页 |
| 第2章 数据分类和预测 | 第9-17页 |
| 2．1 分类与预测的联系 | 第9页 |
| 2．2 主要分类方法及特点 | 第9-13页 |
| 2．3 主要预测方法及特点 | 第13-14页 |
| 2．4 时序数据的预测 | 第14-17页 |
| 第3章 径向基函数（RBF）神经网络 | 第17-27页 |
| 3．1 人工神经网络概述 | 第17-19页 |
| 3．2 RBF神经网络概述 | 第19-27页 |
| 第4章 遗传算法优化的RBF神经网络并行学习模型建立 | 第27-41页 |
| 4．1 并行挖掘的必要性与实现的可能性 | 第27-30页 |
| 4．2 基于层次遗传算法的RBF神经网络学习 | 第30-32页 |
| 4．3 并行方式的选择 | 第32-36页 |
| 4．4 并行学习模型的建立及其算法描述 | 第36-41页 |
| 第5章 RBF神经网络在预测中的应用与实现 | 第41-57页 |
| 5．1 预测实现原理 | 第41-43页 |
| 5．2 非线性函数的拟合与值预测 | 第43-51页 |
| 5．3 证券个股的拟合与短期预测 | 第51-56页 |
| 5．4 实验结果的分析与评价 | 第56-57页 |
| 第6章 总结与展望 | 第57-61页 |
| 6．1 论文的特点及其意义 | 第57-58页 |
| 6．2 研究的不足 | 第58-59页 |
| 6．3 研究方向的展望 | 第59-61页 |
| 参考文献 | 第61页 |