| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 机器学习的发展 | 第12-13页 |
| 1.2.2 股票市场预测研究现状 | 第13-15页 |
| 1.3 本文研究内容、结构及创新点 | 第15-18页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 结构安排 | 第16页 |
| 1.3.3 创新点 | 第16-18页 |
| 2 理论基础 | 第18-29页 |
| 2.1 机器学习概念及相关理论 | 第18-21页 |
| 2.1.1 机器学习概念及模型 | 第18-19页 |
| 2.1.2 统计学习理论 | 第19-21页 |
| 2.2 支持向量机理论 | 第21-28页 |
| 2.2.1 线性支持向量机 | 第22-26页 |
| 2.2.2 非线性支持向量机 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 基于双子支持向量机的股票趋势预测模型 | 第29-49页 |
| 3.1 双子支持向量机预测模型 | 第29-31页 |
| 3.2 实验设计 | 第31-39页 |
| 3.2.1 研究数据 | 第31-32页 |
| 3.2.2 预测模型输入和输出 | 第32-36页 |
| 3.2.3 对比实验 | 第36-39页 |
| 3.3 实验与结果分析 | 第39-48页 |
| 3.3.1 模型评价标准 | 第39-40页 |
| 3.3.2 参数寻优 | 第40-45页 |
| 3.3.3 实验结果分析 | 第45-48页 |
| 3.4 本章小结 | 第48-49页 |
| 4 特征选取与股票趋势预测 | 第49-61页 |
| 4.1 股票趋势预测特征子集评价准则 | 第50-52页 |
| 4.1.1 DFS特征子集评价准则 | 第50-51页 |
| 4.1.2 基于分类结果的特征子集评价准则 | 第51-52页 |
| 4.2 基于BPSO的特征子集搜索方法 | 第52-54页 |
| 4.2.1 BPSO算法 | 第52-53页 |
| 4.2.2 两层特征选取的适应度函数设计 | 第53-54页 |
| 4.3 基于DFS-BPSO-SVM的上证指数预测实验 | 第54-59页 |
| 4.3.1 实验数据 | 第54-56页 |
| 4.3.2 实验设计 | 第56-58页 |
| 4.3.3 实验结果分析 | 第58-59页 |
| 4.4 本章小结 | 第59-61页 |
| 5 总结与展望 | 第61-63页 |
| 5.1 本文主要工作与结论 | 第61页 |
| 5.2 研究的局限性与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 作者简介 | 第67-68页 |
| 学位论文数据集 | 第68页 |