基于遗传算法的属性约简方法在股票预测中的应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 课题研究的背景和意义 | 第12-13页 |
| 1.2 粗糙集的发展及国内外研究状况 | 第13-14页 |
| 1.3 论文主要研究内容及结构 | 第14-16页 |
| 第2章 粗糙集理论的一般知识 | 第16-26页 |
| 2.1 粗糙集理论的基本概念 | 第16-20页 |
| 2.1.1 知识与知识库 | 第16-18页 |
| 2.1.2 粗糙集的近似集 | 第18-20页 |
| 2.2 知识约简 | 第20-23页 |
| 2.2.1 知识约简 | 第20-22页 |
| 2.2.2 知识的依赖性 | 第22-23页 |
| 2.3 决策表和知识表达系统 | 第23-25页 |
| 2.4 小结 | 第25-26页 |
| 第3章 决策信息系统属性约简算法分析 | 第26-35页 |
| 3.1 相关概念 | 第26-27页 |
| 3.2 几种典型的属性约简算法及其分析 | 第27-31页 |
| 3.2.1 基于区分矩阵的算法 | 第27-28页 |
| 3.2.2 基于属性依赖度的算法 | 第28页 |
| 3.2.3 基于分类质量的算法 | 第28-29页 |
| 3.2.4 基于信息熵的算法 | 第29-30页 |
| 3.2.5 算法比较与分析 | 第30-31页 |
| 3.3 粗糙集在数据挖掘中的应用 | 第31-34页 |
| 3.3.1 粗糙集作为数据挖掘方法的优势 | 第31-32页 |
| 3.3.2 粗糙集理论与其他挖掘算法的结合应用 | 第32页 |
| 3.3.3 基于粗糙集的数据挖掘过程 | 第32-34页 |
| 3.4 小结 | 第34-35页 |
| 第4章 自适应遗传算法的改进 | 第35-43页 |
| 4.1 遗传算法 | 第35-38页 |
| 4.1.1 遗传算法的基本理论 | 第35-36页 |
| 4.1.2 遗传算法的构成要素 | 第36-37页 |
| 4.1.3 遗传算法的基本流程 | 第37-38页 |
| 4.2 改进的自适应遗传算法 | 第38-42页 |
| 4.2.1 自适应遗传算法 | 第38-39页 |
| 4.2.2 改进的自适应遗传算法 | 第39-40页 |
| 4.2.3 改进的交叉算子和变异算子分析 | 第40页 |
| 4.2.4 实例分析 | 第40-42页 |
| 4.3 小结 | 第42-43页 |
| 第5章 基于遗传算法的属性约简在股票预测中的应用 | 第43-52页 |
| 5.1 基于遗传算法的属性约简算法改进 | 第43-45页 |
| 5.2 案例描述 | 第45-46页 |
| 5.3 神经网络 | 第46页 |
| 5.4 模型建立 | 第46-47页 |
| 5.5 仿真实验 | 第47-51页 |
| 5.5.1 数据预处理 | 第47-48页 |
| 5.5.2 属性约简 | 第48-49页 |
| 5.5.3 股价预测 | 第49-51页 |
| 5.6 小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 附录A 攻读学位期间所参与的项目目录 | 第60-61页 |
| 附录B 攻读学位期间所发表的学术论文目录 | 第61页 |
