| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文的工作概要和内容安排 | 第15-17页 |
| 1.3.1 主要工作 | 第15-16页 |
| 1.3.2 本文章节安排 | 第16-17页 |
| 第二章 股票技术分析与数据挖掘技术 | 第17-27页 |
| 2.1 股票概述 | 第17页 |
| 2.2 股票技术分析法 | 第17-23页 |
| 2.2.1 技术分析的前提 | 第18页 |
| 2.2.2 股票技术指标介绍 | 第18-23页 |
| 2.3 数据挖掘技术 | 第23-26页 |
| 2.3.1 数据挖掘的介绍 | 第23页 |
| 2.3.2 数据挖掘的基本过程 | 第23-25页 |
| 2.3.3 数据挖掘的功能 | 第25页 |
| 2.3.4 数据挖掘技术应用于股票分析的适用性分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于双聚类算法的股价趋势模式挖掘 | 第27-44页 |
| 3.1 聚类分析概述 | 第27-32页 |
| 3.1.1 聚类的过程 | 第28页 |
| 3.1.2 聚类分析中的数据类型 | 第28-30页 |
| 3.1.3 凝聚层次聚类 | 第30-32页 |
| 3.2 双聚类算法 | 第32-37页 |
| 3.2.1 双聚类的定义 | 第33-34页 |
| 3.2.2 双聚类的模式 | 第34-35页 |
| 3.2.3 Cheng和Church双聚类算法 | 第35-37页 |
| 3.3 基于双聚类算法的趋势模式挖掘 | 第37-43页 |
| 3.3.1 指标矩阵构建 | 第37-39页 |
| 3.3.2 股价趋势模式挖掘 | 第39-41页 |
| 3.3.3 趋势模式与趋势等级的组合 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于双聚类和模糊推理的交易点预测方法 | 第44-59页 |
| 4.1 模糊集合理论 | 第44-46页 |
| 4.2 模糊推理的基础 | 第46-48页 |
| 4.2.1 模糊推理的含义 | 第46-47页 |
| 4.2.2 模糊规则和模糊算子 | 第47-48页 |
| 4.3 基于双聚类和模糊推理的交易点预测方法 | 第48-58页 |
| 4.3.1 模糊规则库的构建 | 第48-52页 |
| 4.3.2 模糊推理过程 | 第52-55页 |
| 4.3.3 动态阈值模块 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 基于朴素贝叶斯和Ada Boost的混合预测模型 | 第59-71页 |
| 5.1 贝叶斯方法概述 | 第59-62页 |
| 5.1.1 贝叶斯定理 | 第59-60页 |
| 5.1.2 贝叶斯分类 | 第60页 |
| 5.1.3 朴素贝叶斯分类器 | 第60-62页 |
| 5.2 AdaBoost算法介绍 | 第62-64页 |
| 5.3 基于朴素贝叶斯和AdaBoost的混合预测模型 | 第64-69页 |
| 5.3.1 股价趋势模式的分类 | 第65-66页 |
| 5.3.2 弱分类器的设计 | 第66-68页 |
| 5.3.3 AdaBoost集成学习 | 第68-69页 |
| 5.4 本章小结 | 第69-71页 |
| 第六章 实验结果与分析 | 第71-84页 |
| 6.1 实验设计 | 第71-73页 |
| 6.1.1 实验平台描述 | 第72页 |
| 6.1.2 实验参数设置 | 第72页 |
| 6.1.3 实验结果评价指标 | 第72-73页 |
| 6.2 实验一的结果与分析 | 第73-77页 |
| 6.3 实验二的结果与分析 | 第77-79页 |
| 6.4 实验三的结果与分析 | 第79-83页 |
| 6.5 本章小结 | 第83-84页 |
| 总结与展望 | 第84-86页 |
| 本文工作总结 | 第84-85页 |
| 工作展望 | 第85-86页 |
| 参考文献 | 第86-91页 |
| 攻读硕士学位期间取得的研究成果 | 第91-92页 |
| 致谢 | 第92-93页 |
| 附表 | 第93页 |
