基于相似搜索的时间序列预测方法及其应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 当前研究现状 | 第11-13页 |
| 1.3 主要研究内容 | 第13-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第2章 原始数据采集与预处理 | 第16-31页 |
| 2.1 原始数据的特点 | 第16页 |
| 2.2 ETL工具介绍 | 第16-17页 |
| 2.3 数据采集功能实现 | 第17-21页 |
| 2.4 数据存储设计 | 第21-24页 |
| 2.4.1 数据库系统选择 | 第21页 |
| 2.4.2 逻辑存储结构 | 第21-24页 |
| 2.5 预处理功能需求 | 第24-26页 |
| 2.6 预处理软件实现 | 第26-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第3章 基于相似搜索的预测方法 | 第31-61页 |
| 3.1 关键概念定义 | 第31-34页 |
| 3.1.1 数据集和时间序列定义 | 第31-32页 |
| 3.1.2 模式搜索定义 | 第32-34页 |
| 3.2 序列相似性度量 | 第34-41页 |
| 3.2.1 常用的度量方法 | 第34-37页 |
| 3.2.2 度量方法的选择 | 第37-38页 |
| 3.2.3 相似度得分 | 第38-40页 |
| 3.2.4 多维序列相似性度量方法 | 第40-41页 |
| 3.3 序列规范化 | 第41-42页 |
| 3.4 搜索过滤条件 | 第42-45页 |
| 3.5 时间序列相似搜索 | 第45-53页 |
| 3.5.1 一维模式搜索 | 第46-48页 |
| 3.5.2 搜索结果收集算法 | 第48-50页 |
| 3.5.3 多维模式搜索 | 第50-52页 |
| 3.5.4 数据分段并行 | 第52-53页 |
| 3.6 时间序列预测 | 第53-59页 |
| 3.6.1 多维序列预测算法 | 第54-58页 |
| 3.6.2 预测参数设置 | 第58-59页 |
| 3.7 预测效果评价方法 | 第59-60页 |
| 3.8 本章小结 | 第60-61页 |
| 第4章 对股票预测的应用研究 | 第61-80页 |
| 4.1 股票价格预测的方法 | 第61-63页 |
| 4.1.1 影响股价的因素 | 第61页 |
| 4.1.2 传统的预测方法 | 第61-62页 |
| 4.1.3 基于相似搜索的股价预测 | 第62-63页 |
| 4.2 股票分析软件设计 | 第63-67页 |
| 4.2.1 软件功能需求 | 第63-64页 |
| 4.2.2 系统架构 | 第64-66页 |
| 4.2.3 股票数据导入 | 第66-67页 |
| 4.3 股票分析软件应用 | 第67-79页 |
| 4.3.1 股票价格搜索和预测 | 第68-72页 |
| 4.3.2 量价组合搜索和预测 | 第72-76页 |
| 4.3.3 多股关联搜索和预测 | 第76-78页 |
| 4.3.4 预测效果评价 | 第78-79页 |
| 4.4 本章小结 | 第79-80页 |
| 结论 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85页 |
