| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-11页 |
| ·研究背景 | 第7-8页 |
| ·拟解决的问题 | 第8-9页 |
| ·创新性工作 | 第9-10页 |
| ·本文组织结构 | 第10页 |
| ·本章小结 | 第10-11页 |
| 第2章 关联规则理论基础 | 第11-22页 |
| ·数据挖掘的基本概念 | 第11-14页 |
| ·数据挖掘的定义 | 第11-12页 |
| ·数据挖掘的功能 | 第12-13页 |
| ·数据挖掘的步骤 | 第13-14页 |
| ·关联规则的基本概念 | 第14-15页 |
| ·关联规则的定义 | 第14页 |
| ·关联规则的分类 | 第14-15页 |
| ·经典关联规则挖掘方法 | 第15-20页 |
| ·经典的频繁项集发现算法 | 第16-19页 |
| ·Apriori算法的性能瓶颈问题 | 第19页 |
| ·Apriori算法的改进与发展 | 第19-20页 |
| ·关联规则研究热点概述 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 证券业中的数据挖掘及其系统结构 | 第22-31页 |
| ·典型的数据挖掘系统结构 | 第22-24页 |
| ·知识发现软件和工具的发展 | 第24-25页 |
| ·数据挖掘在证券行业中的应用 | 第25-28页 |
| ·证券业中聚集的数据种类 | 第25-26页 |
| ·应用方向分析 | 第26-28页 |
| ·证券数据挖掘系统体系结构设计 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 基于约束的股票时间序列关联规则挖掘 | 第31-48页 |
| ·基于约束的数据挖掘 | 第31-36页 |
| ·约束在数据挖掘中的作用 | 第31-32页 |
| ·约束的类型 | 第32-34页 |
| ·元规则指导的关联规则挖掘 | 第34-36页 |
| ·股票时间序列数据分析概述 | 第36-40页 |
| ·时间序列分析的基本概念 | 第36页 |
| ·时间序列分析的方法 | 第36-39页 |
| ·股票时间序列分析研究热点 | 第39-40页 |
| ·基于元规则指导的股票联动关联规则挖掘算法 | 第40-47页 |
| ·问题的提出与元规则的确定 | 第40-41页 |
| ·算法过程描述 | 第41-46页 |
| ·算法讨论 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于ROUGH集的股票时间序列关联规则挖掘 | 第48-66页 |
| ·RouGH集理论模型 | 第48-52页 |
| ·Rough集的基本概念 | 第48-50页 |
| ·知识的约简 | 第50-52页 |
| ·Rough决策规则与关联规则的关系 | 第52页 |
| ·基于 RouGH集的数据挖掘 | 第52-60页 |
| ·基于Rough集的数据挖掘的一般过程 | 第52-53页 |
| ·属性约简算法 | 第53-55页 |
| ·决策规则约简算法 | 第55-60页 |
| ·基于RouGH集的股票时间序列数据关联规则挖掘算法 | 第60-65页 |
| ·时间序列数据表达 | 第60-61页 |
| ·算法过程描述 | 第61-63页 |
| ·实验结果 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| ·本文总结 | 第66-67页 |
| ·研究展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间发表的学术论文 | 第71-72页 |
| 致谢 | 第72页 |