| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪言 | 第9-14页 |
| ·选题背景 | 第9页 |
| ·基本定义 | 第9-10页 |
| ·数据挖掘的功能 | 第10-12页 |
| ·数据挖掘的主要方法 | 第12-13页 |
| ·论文的具体工作及结构安排 | 第13-14页 |
| 第二章 基于工作流的数据挖掘 | 第14-22页 |
| ·引言 | 第14页 |
| ·数据挖掘的一般流程 | 第14-15页 |
| ·数据挖掘算法的组件 | 第15-16页 |
| ·模式行集 | 第16-19页 |
| ·MINING_MODEL_CONTENT模式行集的列及约束列 | 第17-19页 |
| ·将 SQL Sever中的DTS作为工作流引擎的数据挖掘 | 第19-22页 |
| ·简介 DTS Package中的SQL任务 | 第19-20页 |
| ·工作流形式的数据挖掘 | 第20-22页 |
| 第三章 挖掘流程实例——股票 K线形态挖掘 | 第22-31页 |
| ·引言 | 第22页 |
| ·K线的简介 | 第22-28页 |
| ·K线的形态识别意义 | 第23-24页 |
| ·K线的数据分析处理 | 第24-27页 |
| ·分析参数的设定 | 第27-28页 |
| ·建立 K线工作流形式的数据挖掘 | 第28-31页 |
| ·确定 K线分析需要的信息 | 第28页 |
| ·准备 K线数据 | 第28-29页 |
| ·K线数据挖掘 | 第29页 |
| ·检测 K线挖掘模型 | 第29页 |
| ·提取 K线模型的节点路径 | 第29-31页 |
| 第四章 实例关键步骤说明 | 第31-36页 |
| ·引言 | 第31页 |
| ·源数据筛选 | 第31-32页 |
| ·构建完全数据表 | 第32-34页 |
| ·数据挖掘基本表 | 第34页 |
| ·数据挖掘维度表 | 第34页 |
| ·多维数据集以及数据挖掘模型 | 第34页 |
| ·使用模式行集提取数据挖掘信息 | 第34-36页 |
| 第五章 结论 | 第36-43页 |
| ·引言 | 第36页 |
| ·实例结果 | 第36-41页 |
| ·K线挖掘模型预测树 | 第36-37页 |
| ·K线挖掘模型的规则提取 | 第37-41页 |
| ·主要结论 | 第41-43页 |
| 第六章 前景展望 | 第43-44页 |
| 附录 | 第44-71页 |
| 1. 源数据的筛选 | 第44-46页 |
| ·建立数据表 K_basic data用于存放筛选后的源数据 | 第44页 |
| ·选择需要的源数据范围 | 第44-45页 |
| ·为选取好的数据进行编号 | 第45-46页 |
| 2. 构建完全数据表 | 第46-70页 |
| ·建立完全数据表 K_5daysA | 第46-47页 |
| ·加入本日K大小 | 第47-48页 |
| ·加入本日K影线 | 第48-53页 |
| ·加入本日K关系 | 第53-58页 |
| ·加入后3天总涨幅以及后3天最大涨幅 | 第58-70页 |
| 3. 数据挖掘基本表 | 第70页 |
| 4. 数据挖掘维度表 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻硕期间取得的主要成果 | 第75页 |
