| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·课题的应用背景 | 第8页 |
| ·股票市场预测的背景知识 | 第8-11页 |
| ·股票市场预测的相关变量 | 第8-9页 |
| ·股票市场预测的可行性研究 | 第9-10页 |
| ·股市预测的常用方法简介 | 第10-11页 |
| ·股票市场的价格变动模型 | 第11-13页 |
| ·神经网络方法 | 第13-16页 |
| ·人工神经网络构成 | 第13-14页 |
| ·人工神经网络的学习规则 | 第14-15页 |
| ·神经网络在股市预测中的实例 | 第15-16页 |
| ·本文工作 | 第16-18页 |
| ·研究目标 | 第16页 |
| ·研究内容 | 第16-18页 |
| 第二章 属性论方法简介 | 第18-30页 |
| ·引言 | 第18-19页 |
| ·量-质(特征)转化的定性映射 | 第19-22页 |
| ·定性基准的w_内积变换与人工神经元 | 第22-24页 |
| ·模式识别中的模式--向量转化 | 第24-26页 |
| ·转化程度函数 | 第26-30页 |
| ·量-质转化的程度差异及其转化程度函数 | 第26-28页 |
| ·定性基准模糊化 | 第28-30页 |
| 第三章 波恩斯坦基函数拟合技术 | 第30-37页 |
| ·引言 | 第30-32页 |
| ·基函数的确定 | 第32-34页 |
| ·波恩斯坦基函数拟合建模及预测问题 | 第34-35页 |
| ·预测模拟 | 第35-37页 |
| 第四章 基于属性论方法与波恩斯坦基函数拟合技术的股市预测算法原理与实现 | 第37-50页 |
| ·算法概述 | 第37页 |
| ·算法流程 | 第37-39页 |
| ·算法详解 | 第39-43页 |
| ·算法实现 | 第43-50页 |
| ·时间序列匹配算法和主要数据结构 | 第43-44页 |
| ·波恩斯坦基函数拟合算法 | 第44-45页 |
| ·算法实现的软件界面 | 第45-47页 |
| ·预测有效性验证 | 第47-50页 |
| 第五章 结论与展望 | 第50-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间发表的学术论文 | 第54-55页 |
| 参考文献 | 第55-59页 |