基于数据挖掘技术的股票预测与研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-21页 |
| ·课题的学术背景与研究意义 | 第11-12页 |
| ·数据挖掘的概述 | 第12-16页 |
| ·数据挖掘的定义 | 第13页 |
| ·数据挖掘的数据类型 | 第13-14页 |
| ·数据挖掘的方法及应用 | 第14-16页 |
| ·数据挖掘系统的分类 | 第16页 |
| ·时间序列数据挖掘的国内外现状 | 第16-19页 |
| ·本文的主要工作 | 第19-21页 |
| 第2章 时间序列的相似性挖掘 | 第21-27页 |
| ·时间序列的定义 | 第21页 |
| ·时间序列的相似性问题相关概念 | 第21-23页 |
| ·时间序列的相似性测量方法 | 第23-25页 |
| ·时间序列相似性搜索的研究历史与现状 | 第25-27页 |
| 第3章 时间序列的分段线性化描述 | 第27-36页 |
| ·引言 | 第27-28页 |
| ·时间序列模式表示方法 | 第28-29页 |
| ·基于特征点和分段斜率的线性化分段 | 第29-34页 |
| ·相关概念介绍 | 第30-31页 |
| ·检索特征点 | 第31-32页 |
| ·线性分段的表示算法 | 第32-34页 |
| ·实验与小结 | 第34-36页 |
| 第4章 时间序列的相似性测量 | 第36-45页 |
| ·引言 | 第36页 |
| ·时间序列的相似性度量方法介绍与比较 | 第36-40页 |
| ·欧式距离度量方法 | 第36-38页 |
| ·模式距离度量方法 | 第38-39页 |
| ·角度距离测量方法 | 第39-40页 |
| ·基于斜率的相似性度量方法 | 第40-42页 |
| ·相关概念与定义 | 第40-41页 |
| ·算法实现 | 第41页 |
| ·斜率距离分析 | 第41-42页 |
| ·基于斜率的相似性度量方法验证 | 第42-45页 |
| 第5章 相似性挖掘在股票预测中的应用 | 第45-53页 |
| ·应用背景分析 | 第45-46页 |
| ·应用方案设计 | 第46-47页 |
| ·相似性挖掘在股票时间序列中的应用 | 第47-52页 |
| ·实验数据 | 第47-48页 |
| ·方案应用 | 第48-52页 |
| ·实验结果与分析 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| ·结论 | 第53-54页 |
| ·工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士期间发表学术论文 | 第59-61页 |
| 致谢 | 第61页 |
