| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 选题背景及意义 | 第12-15页 |
| 1.2 本文的主要研究内容及安排 | 第15-17页 |
| 1.3 国内外研究现状 | 第17-19页 |
| 1.3.1 数据挖掘研究现状 | 第17-18页 |
| 1.3.2 关联规则研究现状 | 第18-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第2章 相关技术研究 | 第20-35页 |
| 2.1 数据挖掘技术 | 第20-27页 |
| 2.1.1 数据挖掘的概念、功能和过程 | 第21-25页 |
| 2.1.2 数据挖掘的分类 | 第25-26页 |
| 2.1.3 数据挖掘的研究历史与现状 | 第26-27页 |
| 2.2 关联规则 | 第27-30页 |
| 2.2.1 关联规则背景 | 第27页 |
| 2.2.2 关联规则含义 | 第27-28页 |
| 2.2.3 关联规则形式和分类 | 第28-29页 |
| 2.2.4 关联规则算法综述及研究方向 | 第29-30页 |
| 2.3 证券交易简要解析 | 第30-34页 |
| 2.3.1 证券交易简介 | 第30页 |
| 2.3.2 中国证券交易简介 | 第30-31页 |
| 2.3.3 目前解析和研究证券交易的方法 | 第31-33页 |
| 2.3.4 证券交易软件的介绍及评价 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于Apriori算法的改进关联规则挖掘算法 | 第35-60页 |
| 3.1 关联规则的基本概念 | 第35-37页 |
| 3.2 Apriori经典算法 | 第37-47页 |
| 3.2.1 Aprior算法过程 | 第42-46页 |
| 3.2.2 Apriori算法分析 | 第46-47页 |
| 3.3 证券市场分析中应用Apriori算法需考虑的特征 | 第47-52页 |
| 3.4 基于搜索项约减的Apriori优化算法 | 第52-53页 |
| 3.5 基于搜索项约减和权重参数相结合的Apriori优化算法 | 第53-59页 |
| 3.5.1 算法思想 | 第54-56页 |
| 3.5.2 算法步骤及流程 | 第56-57页 |
| 3.5.3 实验验证 | 第57-59页 |
| 3.6 本章小结 | 第59-60页 |
| 第4章 关联规则挖掘原型系统设计与实现 | 第60-68页 |
| 4.1 需求分析 | 第60-62页 |
| 4.1.1 功能描述 | 第60-61页 |
| 4.1.2 用例 | 第61-62页 |
| 4.2 功能及结构设计 | 第62-63页 |
| 4.3 系统关键模块描述及设计 | 第63-66页 |
| 4.3.1 股票特征向量建立模块描述及设计 | 第64-65页 |
| 4.3.2 改进Apriori算法实现模块描述及设计 | 第65-66页 |
| 4.4 原型系统设计及实现 | 第66-67页 |
| 4.5 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72页 |
