股票市场中的异常数据挖掘算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.1.1 选题背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外异常数据挖掘研究 | 第13-14页 |
| 1.2.2 国内异常数据挖掘研究 | 第14-15页 |
| 1.3 基本框架及主要研究内容 | 第15-17页 |
| 1.3.1 基本框架 | 第15-16页 |
| 1.3.2 主要研究内容 | 第16-17页 |
| 1.4 本文的创新点 | 第17-18页 |
| 第2章 股票市场异常数据及其挖掘技术 | 第18-29页 |
| 2.1 股票市场异常数据产生的因素分析 | 第18-22页 |
| 2.1.1 异常数据在股票市场中的表现 | 第18-19页 |
| 2.1.2 异常数据在股票市场中的产生原因 | 第19-22页 |
| 2.2 异常数据挖掘技术 | 第22-27页 |
| 2.2.1 异常数据挖掘的定义 | 第22-23页 |
| 2.2.2 异常数据挖掘的方法 | 第23-27页 |
| 2.3 股票市场异常数据检测界定 | 第27-28页 |
| 2.3.1 股票市场异常数据界定 | 第27页 |
| 2.3.2 股票市场异常数据判定标准 | 第27-28页 |
| 2.4 小结 | 第28-29页 |
| 第3章 股票市场中的异常数据挖掘算法设计 | 第29-37页 |
| 3.1 股票时间序列相关定义及表示 | 第29-31页 |
| 3.2 基于距离和密度的GDD算法 | 第31-34页 |
| 3.2.1 强力搜索法 | 第31-32页 |
| 3.2.2 GDD算法 | 第32-34页 |
| 3.3 实验仿真与分析 | 第34-36页 |
| 3.4 小结 | 第36-37页 |
| 第4章 异常数据挖掘算法在股票市场中的应用 | 第37-44页 |
| 4.1 股票数据来源及描述性分析 | 第37-40页 |
| 4.1.1 时间序列数据的非线性结构判断 | 第37-39页 |
| 4.1.2 股票市场时间序列的滑动窗口确定 | 第39-40页 |
| 4.2 GDD算法在股票市场中的应用分析 | 第40-41页 |
| 4.3 实验对比分析 | 第41-43页 |
| 4.4 小结 | 第43-44页 |
| 结论 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 附录 | 第51-52页 |
