| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 金融数据知识发现研究现状 | 第13-15页 |
| 1.2.2 数据挖掘算法研究现状 | 第15-16页 |
| 1.3 论文主要研究内容 | 第16-17页 |
| 第2章 金融时间序列数据挖掘基本理论 | 第17-23页 |
| 2.1 金融时间序列数据 | 第17-18页 |
| 2.2 金融时间序列分析方法 | 第18-20页 |
| 2.2.1 传统分析方法 | 第18-19页 |
| 2.2.2 数理统计方法 | 第19页 |
| 2.2.3 金融数据挖掘方法 | 第19-20页 |
| 2.3 金融时间序列数据挖掘方法 | 第20-22页 |
| 2.3.1 k近邻算法 | 第20-21页 |
| 2.3.2 聚类算法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 对K-means算法改进的研究 | 第23-32页 |
| 3.1 传统聚类算法 | 第23-25页 |
| 3.1.1 BIRCH算法 | 第23-24页 |
| 3.1.2 K-means算法 | 第24-25页 |
| 3.2 基于核心树的增量聚类算法 | 第25-29页 |
| 3.2.1 核心树的初始化过程 | 第25-26页 |
| 3.2.2 特征数据迭代完善核心树 | 第26-28页 |
| 3.2.3 改进的K-means算法增加核心树的鲁棒性 | 第28-29页 |
| 3.3 实验结果 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 系统设计 | 第32-49页 |
| 4.1 系统总体设计 | 第32-36页 |
| 4.1.1 系统软件架构 | 第32-35页 |
| 4.1.2 开发环境 | 第35页 |
| 4.1.3 网络拓扑结构 | 第35-36页 |
| 4.2 系统功能结构设计 | 第36-44页 |
| 4.2.1 服务端功能结构设计 | 第36-42页 |
| 4.2.2 客户端功能结构设计 | 第42-44页 |
| 4.3 系统数据库设计 | 第44-48页 |
| 4.3.1 数据库逻辑设计 | 第44-46页 |
| 4.3.2 数据库表设计 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 系统实现与测试 | 第49-60页 |
| 5.1 系统实现 | 第49-59页 |
| 5.1.1 系统实现分析 | 第49-53页 |
| 5.1.2 系统功能模块展示 | 第53-59页 |
| 5.2 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |