时间序列关联规则在IT上市企业股价趋势分析中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景与意义 | 第8-9页 |
| ·时间序列数据挖掘的研究现状 | 第9-10页 |
| ·本文研究内容 | 第10页 |
| ·本文结构 | 第10-12页 |
| 第二章 数据挖掘理论与关联规则挖掘技术 | 第12-20页 |
| ·数据挖掘基本概念 | 第12-14页 |
| ·数据挖掘处理过程、模式 | 第12-13页 |
| ·数据挖掘常用分析方法 | 第13-14页 |
| ·数据挖掘与传统数据分析方法的区别 | 第14页 |
| ·数据挖掘应用 | 第14页 |
| ·关联规则挖掘 | 第14-19页 |
| ·关联规则简介 | 第14-15页 |
| ·时间序列关联分析 | 第15-16页 |
| ·关联规则的基本概念 | 第16-17页 |
| ·经典Apriori 算法分析 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 股市预测理论与技术 | 第20-24页 |
| ·股市预测方法 | 第20页 |
| ·数据挖掘技术在股票预测领域的适用性 | 第20-21页 |
| ·适用于股票预测分析的处理模型 | 第21-22页 |
| ·股票预测研究中常用的相关变量 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第四章 IT上市公司股价时间序列分析 | 第24-44页 |
| ·对股票数据作关联分析 | 第24-32页 |
| ·数据预处理 | 第24-26页 |
| ·产生N-项频繁项集 Ln | 第26-29页 |
| ·关联规则挖掘的有效性检验 | 第29-30页 |
| ·实验结果与分析 | 第30-32页 |
| ·时间序列相似序列片段的关联规则分析 | 第32-42页 |
| ·相似性查找基本问题 | 第33-35页 |
| ·Euclidean 距离相似性度量 | 第35-37页 |
| ·创建频繁序列模式模板 | 第37-39页 |
| ·频繁时间序列片段的关联规则分析 | 第39-40页 |
| ·实验结果与分析 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第五章 原型系统的设计与实现 | 第44-62页 |
| ·系统需求分析 | 第44页 |
| ·原型系统体系结构设计 | 第44-46页 |
| ·股票时间序列关联规则分析实现 | 第46-51页 |
| ·数据预处理 | 第46-47页 |
| ·Apriori 算法挖掘模型 | 第47页 |
| ·数据库设计 | 第47-48页 |
| ·挖掘服务器中关联规则算法引擎及实现 | 第48-51页 |
| ·相似序列片段关联挖掘具体实现 | 第51-60页 |
| ·相似序列片段关联挖掘模型 | 第52-53页 |
| ·数据预处理 | 第53页 |
| ·数据库设计 | 第53-54页 |
| ·时间序列频繁片断模式 | 第54-58页 |
| ·相似度频繁模式关联分析 | 第58页 |
| ·用户界面 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 第六章 总结 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 附录 原型系统部分源程序 | 第65-75页 |
| 个人简历 在读期间发表的学术论文 | 第75-76页 |
| 致谢 | 第76页 |
