基于SOM的时态近似周期的数据挖掘研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·研究进展 | 第11-14页 |
| ·时态数据挖掘研究现状 | 第11-13页 |
| ·周期模式挖掘进展 | 第13-14页 |
| ·时态周期挖掘研究中的不足 | 第14-15页 |
| ·本文研究的内容 | 第15-16页 |
| 第二章 预备知识 | 第16-27页 |
| ·时态模型 | 第16-23页 |
| ·与时间有关的概念及相关性质 | 第16-20页 |
| ·时态事件模型 | 第20页 |
| ·多粒度时间模型 | 第20-23页 |
| ·SOM 网络（自组织映射网络） | 第23-26页 |
| ·SOM 网络概述 | 第23页 |
| ·SOM 网络的拓扑结构和工作原理 | 第23-25页 |
| ·SOM 训练算法 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 基于 SOM 的时态近似周期挖掘 | 第27-36页 |
| ·模型构造 | 第27-29页 |
| ·近似周期模式挖掘算法 | 第29-31页 |
| ·数据准备 | 第29-30页 |
| ·挖掘算法 | 第30-31页 |
| ·实验及结果分析 | 第31-35页 |
| ·多年的股票数据实验及结果分析 | 第31-33页 |
| ·高频股票数据实验及结果分析 | 第33-35页 |
| ·小结 | 第35-36页 |
| 第四章 基于 SOM 的时态近似周期关联规则挖掘 | 第36-44页 |
| ·模型构造 | 第36-38页 |
| ·近似周期关联规则挖掘算法 | 第38-39页 |
| ·数据准备 | 第38页 |
| ·挖掘算法 | 第38-39页 |
| ·实验及结果分析 | 第39-43页 |
| ·多年的股票数据实验及结果分析 | 第39-41页 |
| ·高频股票数据实验及结果分析 | 第41-43页 |
| ·小结 | 第43-44页 |
| 第五章 基于 SOM 的多粒度近似周期挖掘 | 第44-51页 |
| ·模型构造 | 第44-46页 |
| ·多粒度近似周期模式挖掘算法 | 第46-47页 |
| ·数据准备 | 第46页 |
| ·挖掘算法 | 第46-47页 |
| ·实验及结果分析 | 第47-49页 |
| ·算法对比 | 第49-50页 |
| ·小结 | 第50-51页 |
| 总结与展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致 谢 | 第56-57页 |
| 附录(攻读硕士期间公开发表的论文) | 第57页 |
