基于LRPBP及WSVM的股票预测研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 股票预测研究现状 | 第8-10页 |
| 1.2.1 股票分析指标和参数 | 第8-9页 |
| 1.2.2 计算机技术在股票预测中的应用 | 第9-10页 |
| 1.3 论文主要工作 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-12页 |
| 第二章 相关技术简介 | 第12-19页 |
| 2.1 图像纹理特征描述 | 第12-16页 |
| 2.1.1 基本描述方法 | 第13-14页 |
| 2.1.2 局部二值模式 | 第14-15页 |
| 2.1.3 局部相对相二值模式 | 第15-16页 |
| 2.2 SVM技术 | 第16-18页 |
| 2.2.1 线性SVM | 第16页 |
| 2.2.2 非线性SVM | 第16-17页 |
| 2.2.3 核函数 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第三章 LRPBP的改进及在股票预测中的应用 | 第19-31页 |
| 3.1 LRPBP算法 | 第19-23页 |
| 3.1.1 LRPBP特征提取 | 第19-20页 |
| 3.1.2 相似性度量及分类 | 第20-21页 |
| 3.1.3 LRPBP在股票走势图分类中的应用 | 第21-23页 |
| 3.2 LRPBP算法改进 | 第23-26页 |
| 3.3 LRPBP改进算法在股票预测中的应用 | 第26-30页 |
| 3.3.1 数据采集 | 第26-27页 |
| 3.3.2 走势图预测方法及实验分析 | 第27-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于多尺度WSVM和LRPBP的股票预测 | 第31-46页 |
| 4.1 多尺度WSVM | 第31-32页 |
| 4.1.1 多尺度小波分析 | 第31-32页 |
| 4.1.2 多尺度小波核的构造 | 第32页 |
| 4.2 多尺度WSVM在股票预测中的应用 | 第32-37页 |
| 4.2.1 多尺度WSVM训练过程 | 第32-33页 |
| 4.2.2 股票预测实验及分析 | 第33-37页 |
| 4.3 综合股票预测框架 | 第37-38页 |
| 4.4 综合股票预测实验及分析 | 第38-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 论文总结 | 第46页 |
| 5.2 研究展望 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 在学期间的研究成果 | 第50-51页 |
| 致谢 | 第51页 |
