基于粗糙集和RBF网络的股票时间序列分析研究
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究的背景和意义 | 第9-10页 |
| ·国内外的研究现状 | 第10-11页 |
| ·课题研究的内容及目标 | 第11-13页 |
| 第2章 粗糙集理论研究 | 第13-23页 |
| ·粗糙集理论的基本概念 | 第13-14页 |
| ·粗糙集连续属性离散化研究 | 第14-18页 |
| ·离散化问题描述 | 第14-15页 |
| ·粗糙集属性离散化方法 | 第15-17页 |
| ·离散化算法的评价标准 | 第17-18页 |
| ·粗糙集属性约简算法研究 | 第18-22页 |
| ·粗糙集属性约简算法 | 第18-20页 |
| ·基于遗传算法的属性约简研究 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于RBF网络的股票趋势预测研究 | 第23-40页 |
| ·RBF网络理论研究 | 第23-31页 |
| ·径向基函数(RBF) | 第23-25页 |
| ·RBF神经网络结构 | 第25-26页 |
| ·RBF网络学习算法 | 第26-30页 |
| ·典型神经网络模型的比较 | 第30-31页 |
| ·股票数据选择 | 第31-34页 |
| ·股票的选择 | 第31页 |
| ·输入变量的选择 | 第31-34页 |
| ·输出变量的选择 | 第34页 |
| ·股票数据预处理 | 第34-35页 |
| ·股票趋势预测结果分析 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于粗糙集和RBF网络的股票趋势预测研究 | 第40-63页 |
| ·粗糙集与神经网络集成方法研究 | 第40-42页 |
| ·粗糙集与神经网络相结合的必要性 | 第40-41页 |
| ·粗糙集与神经网络集成方法研究现状 | 第41-42页 |
| ·基于粗糙集和RBF网络的股票时序分析流程 | 第42-43页 |
| ·股票数据选择及预处理 | 第43-50页 |
| ·对股票数据进行离散化处理 | 第44-47页 |
| ·对决策表进行属性约简 | 第47-49页 |
| ·股票数据的规范化处理 | 第49-50页 |
| ·基于粗糙集和RBF网络集成的股票趋势预测 | 第50-59页 |
| ·股票趋势预测步骤 | 第50-51页 |
| ·两种约简样本的预测结果分析 | 第51-59页 |
| ·基于粗糙集和RBF网络的股票预测方法优越性 | 第59-62页 |
| ·预测结果比较 | 第59-61页 |
| ·时间复杂性比较 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 粗糙集和RBF网络在拐点预测中的应用研究 | 第63-72页 |
| ·拐点及其分类 | 第63-66页 |
| ·股票拐点预测实例分析 | 第66-71页 |
| ·拐点预测模型输入变量的选择 | 第66-67页 |
| ·拐点预测模型输出变量的处理 | 第67页 |
| ·拐点预测实现 | 第67-71页 |
| ·本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的学术论文 | 第77-78页 |
| 致谢 | 第78页 |
