基于多指标群决策理论的股票预测系统研究
| 第一章 问题的提出 | 第1-41页 |
| 1．1 论文选题的背景和意义 | 第38-40页 |
| 1．2 论文研究内容简介 | 第40-41页 |
| 第二章 数据缩减技术 | 第41-50页 |
| 2．1 知识发现与数据挖掘技术 | 第41-44页 |
| 2．1．1 数据挖掘与知识发现 | 第41页 |
| 2．1．2 数据挖掘的任务和方法 | 第41-42页 |
| 2．1．3 知识发现的应用领域 | 第42-44页 |
| 2．2 数据缩减技术的概念 | 第44-46页 |
| 2．2．1 数据缩减简介 | 第44-45页 |
| 2．2．2 属性维缩减的概念 | 第45-46页 |
| 2．3 一种数据缩减方法—粗糙集法 | 第46-49页 |
| 2．3．1 粗糙集概念 | 第46-48页 |
| 2．3．2 基于粗糙集理论的数据过滤方法 | 第48-49页 |
| 2．4 本章小结 | 第49-50页 |
| 第三章 多指标群决策的概念及方法 | 第50-76页 |
| 3．1 决策支持系统概述 | 第50-54页 |
| 3．1．1 决策和决策支持 | 第50-51页 |
| 3．1．2 决策支持系统的基本概念 | 第51页 |
| 3．1．3 决策支持系统的功能和特点 | 第51-52页 |
| 3．1．4 决策支持系统的应用举例 | 第52-54页 |
| 3．1．5 决策支持系统的发展趋势 | 第54页 |
| 3．2 多指标群决策的概念 | 第54-63页 |
| 3．2．1 多目标决策的概念 | 第54-55页 |
| 3．2．2 多目标决策理论的研究进展 | 第55-56页 |
| 3．2．3 多指标决策的概念 | 第56-57页 |
| 3．2．4 群决策 | 第57-63页 |
| 3．2．5 多指标群决策 | 第63页 |
| 3．3 多指标群决策的求解方法 | 第63-67页 |
| 3．3．1 基于等价类的预测方法 | 第63-65页 |
| 3．3．2 基于优距数、劣距数的预测方法 | 第65页 |
| 3．3．3 基于熵的一种解法 | 第65-66页 |
| 3．3．4 一种有限方案多目标群决策方法 | 第66-67页 |
| 3．4 多指标群决策问题求解过程 | 第67-71页 |
| 3．4．1 定性指标的定量化 | 第68页 |
| 3．4．2 决策矩阵的规范化 | 第68-69页 |
| 3．4．3 多种方法的集结技术 | 第69-70页 |
| 3．4．4 多指标群决策的数据缩减 | 第70-71页 |
| 3．5 多指标群决策技术与粗糙集技术的比较 | 第71-75页 |
| 3．6 本章小结 | 第75-76页 |
| 第四章 多指标群决策应用于股票预测 | 第76-88页 |
| 4．1 指标的选取 | 第76-79页 |
| 4．1．1 技术指标法的概念 | 第76-77页 |
| 4．1．2 十种技术指标及计算方法 | 第77-79页 |
| 4．2 预测的工作流程 | 第79-81页 |
| 4．2．1 金融投资决策一般预测过程 | 第79-80页 |
| 4．2．2 多指标群决策预测工作流程 | 第80-81页 |
| 4．3 多指标群决策股票预测系统的建立 | 第81页 |
| 4．4 预测实例 | 第81-85页 |
| 4．5 预测结果检测 | 第85-87页 |
| 4．5．1 检测一 | 第85-86页 |
| 4．5．2 检测二 | 第86-87页 |
| 4．6 本章小结 | 第87-88页 |
| 第五章 总结与展望 | 第88-90页 |
| 5．1 总结 | 第88页 |
| 5．1．1 理论研究 | 第88页 |
| 5．1．2 应用研究 | 第88页 |
| 5．2 展望 | 第88-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-93页 |
