基于微粒群算法的关联规则挖掘方法及应用
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·引言 | 第10页 |
| ·背景及研究现状 | 第10-13页 |
| ·关联规则的背景及研究现状 | 第10-11页 |
| ·微粒群算法的背景及研究现状 | 第11-12页 |
| ·群体智能应用在数据挖掘中的研究现状 | 第12-13页 |
| ·数据挖掘技术在股市中的研究现状 | 第13页 |
| ·研究意义 | 第13-14页 |
| ·创新点及组织结构 | 第14-16页 |
| ·本文的创新点 | 第14-15页 |
| ·本文的结构 | 第15-16页 |
| 第二章 关联规则挖掘 | 第16-26页 |
| ·关联规则的引入 | 第16-17页 |
| ·关联规则的基本概念 | 第17-21页 |
| ·关联规则的定义 | 第17-18页 |
| ·关联规则的挖掘过程 | 第18-19页 |
| ·关联规则的分类 | 第19页 |
| ·关联规则挖掘算法分类 | 第19-21页 |
| ·关联规则挖掘算法 | 第21-26页 |
| ·Apriori 算法原理及描述 | 第21-23页 |
| ·Apriori 算法性能分析 | 第23-24页 |
| ·Apriori 算法的改进算法 | 第24-26页 |
| 第三章 微粒群算法 | 第26-37页 |
| ·群体智能研究 | 第26-28页 |
| ·群体智能概述 | 第26-27页 |
| ·群体智能算法 | 第27-28页 |
| ·微粒群算法 | 第28-37页 |
| ·微粒群算法的提出 | 第28页 |
| ·基本微粒群算法 | 第28-31页 |
| ·PSO 基本原理 | 第28-29页 |
| ·PSO 数学描述 | 第29-30页 |
| ·PSO 算法流程 | 第30-31页 |
| ·标准微粒群算法 | 第31-32页 |
| ·微粒群算法的改进 | 第32-34页 |
| ·基于动态自适应群体的多种群PSO | 第34-37页 |
| ·基本思想 | 第34-35页 |
| ·MCPSO 算法描述 | 第35页 |
| ·微粒群体规模的动态调整方法 | 第35-37页 |
| 第四章 基于微粒群算法的关联规则挖掘的设计 | 第37-47页 |
| ·挖掘模型 | 第37-38页 |
| ·算法的基本思想 | 第38页 |
| ·粒子结构定义 | 第38-40页 |
| ·适应度函数 | 第40-41页 |
| ·算法设计 | 第41-42页 |
| ·参数选择 | 第42-43页 |
| ·实验及对比结果与分析 | 第43-47页 |
| ·实验结果分析 | 第43-44页 |
| ·有关算法的对比试验分析 | 第44-46页 |
| ·小结 | 第46-47页 |
| 第五章 PSO-AR 在股票分析预测中的应用 | 第47-58页 |
| ·股票分析预测方法 | 第47-48页 |
| ·股票数据 | 第48-49页 |
| ·数据预处理及算法编码 | 第49-53页 |
| ·单支股票数据预处理 | 第50-52页 |
| ·不同股票数据预处理 | 第52-53页 |
| ·参数选择 | 第53-54页 |
| ·算法设计 | 第54-55页 |
| ·挖掘规则结果分析 | 第55-58页 |
| ·单支股票关联规则结果分析 | 第55-56页 |
| ·不同股票关联规则结果分析 | 第56-58页 |
| 第六章 结束语 | 第58-60页 |
| ·本文的主要工作 | 第58-59页 |
| ·今后的研究计划 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 研究生期间发表论文及参与项目 | 第63-64页 |
| 致谢 | 第64页 |
