| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·混沌时间序列的研究背景、意义及研究现状 | 第9-13页 |
| ·混沌时间序列的研究背景、意义 | 第9页 |
| ·混沌时间序列的研究现状 | 第9-13页 |
| ·神经网络的研究背景、意义及研究现状 | 第13-15页 |
| ·神经网络的研究背景、意义 | 第13-14页 |
| ·神经网络的研究现状 | 第14-15页 |
| ·论文结构及主要研究成果 | 第15-17页 |
| 第2章 与课题相关的基础理论 | 第17-30页 |
| ·混沌时间序列的基础理论 | 第17-25页 |
| ·混沌时间序列相空间重构的常见方法 | 第17-21页 |
| ·混沌时间序列识别的常见方法 | 第21-23页 |
| ·混沌时间序列预测的常见方法 | 第23-25页 |
| ·神经网络预测模型的基础理论 | 第25-28页 |
| ·RBF神经网络的网络结构 | 第25-26页 |
| ·RBF神经网络的学习算法 | 第26-28页 |
| ·粒子群优化算法的基础理论 | 第28-30页 |
| ·粒子群算法的基本原理 | 第28页 |
| ·粒子群算法的优化流程 | 第28-30页 |
| 第3章 局域法预测中临近点选取方法的改进 | 第30-38页 |
| ·引言 | 第30-31页 |
| ·传统临近点选取方法 | 第31-33页 |
| ·传统欧氏距离法 | 第31-32页 |
| ·向量夹角余弦法 | 第32页 |
| ·关联度法 | 第32-33页 |
| ·基于李雅普诺夫指数的临近点选取方法的改进 | 第33-34页 |
| ·仿真实验 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于粒子群优化RBF神经网络的股票价格预测 | 第38-47页 |
| ·引言 | 第38-39页 |
| ·基于RBF神经网络混沌全域法预测模型的建立 | 第39-41页 |
| ·基于RBF神经网络混沌全域法预测模型的建模过程 | 第39-40页 |
| ·仿真实验 | 第40-41页 |
| ·实验结果分析 | 第41页 |
| ·基于粒子群优化RBF神经网络混沌局域预测模型的建立 | 第41-46页 |
| ·基于粒子群优化RBF神经网络的优化过程 | 第41-42页 |
| ·基于粒子群优化RBF神经网络的混沌局域预测模型的建立 | 第42页 |
| ·仿真实验 | 第42-45页 |
| ·实验结果分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 结论与展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录A 浦发银行股票历史日收盘价 | 第51-54页 |
| 在学研究成果 | 第54-55页 |
| 致谢 | 第55页 |
