数据挖掘在煤炭价格预测中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题简介 | 第9-10页 |
| ·课题来源 | 第9-10页 |
| ·数据挖掘综述 | 第10-13页 |
| ·数据仓库的介绍 | 第10-12页 |
| ·数据挖掘的介绍 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 第二章 支持向量机SVM与交叉覆盖算法 | 第15-28页 |
| ·神经网络的概念、特点和应用 | 第15-17页 |
| ·支持向量机的概述 | 第17-20页 |
| ·统计学习理论的核心内容 | 第17页 |
| ·学习一致性的条件与VC维 | 第17-18页 |
| ·推广性的界 | 第18-19页 |
| ·结构风险最小化 | 第19-20页 |
| ·支持向量机 | 第20-23页 |
| ·最优分类面 | 第20-22页 |
| ·支持向量机 | 第22-23页 |
| ·交叉覆盖算法 | 第23-28页 |
| ·覆盖算法的几何意义 | 第24-25页 |
| ·多层前向神经网络的交叉覆盖设计算法 | 第25-28页 |
| 第三章 聚类预测介绍的实现及结果 | 第28-43页 |
| ·聚类在数据挖掘中的应用 | 第28-32页 |
| ·分类分析 | 第28-29页 |
| ·聚类分析 | 第29-30页 |
| ·聚类分析算法分类 | 第30页 |
| ·聚类算法的一般步骤 | 第30-31页 |
| ·聚类算法研究面临的挑战 | 第31-32页 |
| ·系统聚类法 | 第32-36页 |
| ·算法步骤 | 第32-36页 |
| ·LBG算法的介绍 | 第36-37页 |
| ·聚类分析在煤炭质价分析中的应用 | 第37-43页 |
| ·电厂聚类 | 第38-40页 |
| ·矿点聚类 | 第40-43页 |
| 第四章 数据预测的介绍 | 第43-54页 |
| ·预测的基本知识 | 第43-46页 |
| ·预测的概念 | 第43-45页 |
| ·预测的步骤 | 第45页 |
| ·预测的准确度问题 | 第45-46页 |
| ·多变量时间序列预测 | 第46-51页 |
| ·时间序列概述 | 第46-47页 |
| ·多变量时间序列与交叉覆盖算法 | 第47-48页 |
| ·核覆盖算法 | 第48-50页 |
| ·数据归一化的必要性 | 第50-51页 |
| ·煤炭价格的预测 | 第51-54页 |
| 第五章 总结 | 第54-56页 |
| ·全文总结 | 第54页 |
| ·展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 附录 | 第58-59页 |
| Appendix | 第59-60页 |
| 致谢 | 第60-61页 |
| 导师、作者简介 | 第61页 |
