| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9页 |
| 1.3 国内外研究工作现状 | 第9-11页 |
| 1.3.1 数据抓取国内外研究现状 | 第9-10页 |
| 1.3.2 股票价格分析的研究综述 | 第10-11页 |
| 1.3.3 股票价格预测的研究综述 | 第11页 |
| 1.4 拟解决的问题及文章结构 | 第11-13页 |
| 1.4.1 拟解决的问题 | 第11-12页 |
| 1.4.2 本文结构 | 第12-13页 |
| 第二章 构建股票数据采集系统的核心技术介绍 | 第13-20页 |
| 2.1 系统需求分析 | 第13页 |
| 2.2 系统功能 | 第13-14页 |
| 2.3 系统运行环境 | 第14页 |
| 2.4 系统开发核心技术 | 第14-20页 |
| 2.4.1 需求分析技术（UML） | 第15页 |
| 2.4.2 网络爬虫技术（Crawler或Spider） | 第15-16页 |
| 2.4.3 数据挖掘技术（Data Mining） | 第16-17页 |
| 2.4.4 K-means聚类算法 | 第17-18页 |
| 2.4.5 存储技术 | 第18-20页 |
| 第三章 股市数据网络爬虫的设计与实现 | 第20-43页 |
| 3.1 网络爬虫原理及参数介绍 | 第20-23页 |
| 3.1.1 网络爬虫框架详解（WebCollector） | 第20-22页 |
| 3.1.2 爬虫使用方法 | 第22-23页 |
| 3.2 数据抓取技术及数据存储技术 | 第23-25页 |
| 3.2.1 数据来源 | 第23-24页 |
| 3.2.2 数据存储技术 | 第24-25页 |
| 3.3 Bayes分类器的原理及应用 | 第25-30页 |
| 3.3.1 Bayes（贝叶斯）定理简述 | 第25-27页 |
| 3.3.2 Bayes（贝叶斯）定理的推广和应用 | 第27-30页 |
| 3.4 系统运行结果与分析 | 第30-36页 |
| 3.4.1 项目导入 | 第30-31页 |
| 3.4.2 数据存储 | 第31-32页 |
| 3.4.3 贝叶斯算法的实现 | 第32-35页 |
| 3.4.4 系统的评估指标 | 第35-36页 |
| 3.5 爬虫系统核心代码 | 第36-43页 |
| 第四章 聚类算法在股市数据分析中的应用 | 第43-54页 |
| 4.1 聚类算法简介 | 第43-45页 |
| 4.1.1 数据中关联性分析 | 第43页 |
| 4.1.2 K-means聚类算法 | 第43-44页 |
| 4.1.3 K-medoids聚类算法 | 第44-45页 |
| 4.2 聚类算法在股票分析中的应用 | 第45-54页 |
| 4.2.1 股票相关数据及变量的选择与处理 | 第45-46页 |
| 4.2.2 基函数的选择 | 第46-48页 |
| 4.2.3 数据样本 | 第48-49页 |
| 4.2.4 数据拟合 | 第49-51页 |
| 4.2.5 数据聚类 | 第51-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 附录 | 第58-74页 |
| 致谢 | 第74-75页 |
