| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景和现实意义 | 第9-10页 |
| ·国内外相关领域研究综述 | 第10-11页 |
| ·本文的研究内容 | 第11-13页 |
| 第2章 聚类挖掘概述及其应用评价 | 第13-20页 |
| ·聚类的相关概念 | 第13-15页 |
| ·类的概念和类间距离 | 第13-14页 |
| ·数据相似性度量 | 第14-15页 |
| ·聚类挖掘技术的相关方法 | 第15-18页 |
| ·基于模型的聚类方法 | 第15-16页 |
| ·基于分割的聚类方法 | 第16-17页 |
| ·基于密度的聚类方法 | 第17页 |
| ·层次聚类方法 | 第17-18页 |
| ·聚类分析的应用评价 | 第18-20页 |
| 第3章 改进的小波阈值消噪在股票价格分析中的应用 | 第20-31页 |
| ·金融时间序列中的噪声因素 | 第20-21页 |
| ·小波变换的发展历史和应用现状 | 第21-22页 |
| ·小波消噪的基本原理和方法 | 第22-25页 |
| ·小波消噪的概念和思想 | 第22-24页 |
| ·小波消噪的方法简介 | 第24-25页 |
| ·改进的小波阈值消噪方法 | 第25-28页 |
| ·小波阈值去噪模型的建立 | 第25-26页 |
| ·小波系数的阈值处理过程 | 第26-28页 |
| ·小波去噪的实证研究及其Matlab实现 | 第28-31页 |
| 第4章 构建聚类的时态序列模式挖掘技术模型 | 第31-43页 |
| ·问题的提出及其意义 | 第31-32页 |
| ·改进的模式挖掘技术的基本概念与定义 | 第32-34页 |
| ·基于聚类的时态序列模式挖掘技术模型 | 第34-43页 |
| ·序列模式挖掘的实现框架 | 第34-36页 |
| ·聚类方法的选择 | 第36-40页 |
| ·模式聚类与模式输出 | 第40-42页 |
| ·聚类模式挖掘的检验 | 第42-43页 |
| 第5章 基于小波消噪的聚类模式挖掘在股票收益率预测中的实证研究 | 第43-50页 |
| ·数据的选取和预处理 | 第43-44页 |
| ·聚类模式挖掘预测模型建立综述 | 第44-46页 |
| ·实证研究结果与分析 | 第46-50页 |
| 第6章 结论与展望 | 第50-53页 |
| ·本文工作总结 | 第50-51页 |
| ·本文的创新点 | 第51页 |
| ·今后研究展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 附录 | 第57-67页 |