基于数据挖掘技术的金融数据分析系统设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 理论基础 | 第10-11页 |
| 1.3.1 金融数据结构分析 | 第10页 |
| 1.3.2 数据挖掘技术理论 | 第10-11页 |
| 1.4 关键技术 | 第11-14页 |
| 1.4.1 Microsoft.NET平台 | 第11页 |
| 1.4.2 C | 第11-12页 |
| 1.4.3 决策树算法概述 | 第12-14页 |
| 1.5 本论文主要研究内容 | 第14-15页 |
| 第2章 需求分析与系统的概要设计 | 第15-30页 |
| 2.1 系统需求分析 | 第15页 |
| 2.2 系统架构设计 | 第15-20页 |
| 2.3 系统总体结构设计 | 第20-27页 |
| 2.3.1 主要功能模块 | 第20-24页 |
| 2.3.2 数据库 | 第24-27页 |
| 2.4 适用于数据挖掘的金融数据仓库设计 | 第27-30页 |
| 2.4.1 金融机构数据仓库模 | 第28页 |
| 2.4.2 金融数据仓库的星型图设计 | 第28-29页 |
| 2.4.3 金融数据仓库元数据管理 | 第29-30页 |
| 第3章 系统设计过程中的关键技术问题 | 第30-49页 |
| 3.1 案例推理过程分析 | 第30-35页 |
| 3.1.1 案例收集 | 第31页 |
| 3.1.2 案例提取 | 第31页 |
| 3.1.3 案例推理 | 第31-33页 |
| 3.1.4 案例实验验证 | 第33-34页 |
| 3.1.5 案例删除 | 第34-35页 |
| 3.2 基于加权多随机决策树的金融分析方法 | 第35-44页 |
| 3.2.1 属性权值计算 | 第36-37页 |
| 3.2.2 多随机决策树的构建方法 | 第37-38页 |
| 3.2.3 基于多随机决策树的分类算法 | 第38-39页 |
| 3.2.4 实验验证 | 第39-44页 |
| 3.3 网络金融数据抓取方法 | 第44-49页 |
| 3.3.1 金融网站数据获取 | 第45-46页 |
| 3.3.2 网页内金融数据提取 | 第46-49页 |
| 第4章 系统核心模块的实现及效果分析 | 第49-56页 |
| 4.1 数据挖掘方法基本设置 | 第49-50页 |
| 4.2 综合分析模块 | 第50-56页 |
| 第5章 总结与展望 | 第56-57页 |
| 5.1 总结 | 第56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |
