| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景 | 第9-10页 |
| ·应用于中国股市中的关联规则挖掘的研究现状 | 第10-14页 |
| ·股票数据预处理研究 | 第10-11页 |
| ·改进关联规则算法再应用到股票预测中 | 第11-13页 |
| ·对生成的频繁项集进行兴趣度及相关分析研究 | 第13-14页 |
| ·本论文的研究内容、创新及章节安排 | 第14-16页 |
| ·研究内容 | 第14页 |
| ·论文创新 | 第14-15页 |
| ·章节安排 | 第15-16页 |
| 第2章 相关知识体系介绍 | 第16-32页 |
| ·数据挖掘技术 | 第16-19页 |
| ·数据挖掘的概念 | 第16-17页 |
| ·数据挖掘的步骤 | 第17-18页 |
| ·数据挖掘的主要分析方法 | 第18-19页 |
| ·关联规则的基本概念 | 第19-20页 |
| ·关联规则中经典的Apriori算法介绍 | 第20-26页 |
| ·算法介绍 | 第20-21页 |
| ·算法的伪码实现 | 第21-23页 |
| ·算法的实例 | 第23-25页 |
| ·产生关联规则 | 第25-26页 |
| ·常用的Apriori改进算法介绍 | 第26-27页 |
| ·关联规则相关分析介绍 | 第27-29页 |
| ·股票相关知识介绍 | 第29-32页 |
| ·股票的基本技术指标 | 第29-30页 |
| ·股价和成交量之间的联系 | 第30-32页 |
| 第3章 带时序的股票数据关联规则挖掘 | 第32-56页 |
| ·任务需求与规则模式 | 第32-34页 |
| ·任务需求 | 第32-33页 |
| ·规则模式 | 第33-34页 |
| ·数据预处理 | 第34-37页 |
| ·需要挖掘的数据的原始形式 | 第34-36页 |
| ·将股票-时间表转换成位示图 | 第36-37页 |
| ·基于滑动时间窗口的算法(方法一) | 第37-42页 |
| ·算法的基本思路 | 第37-38页 |
| ·算法描述 | 第38-39页 |
| ·算法的举例 | 第39-42页 |
| ·bit-search算法(方法二) | 第42-52页 |
| ·bit-search算法思想 | 第42-45页 |
| ·bit-search算法步骤 | 第45-46页 |
| ·bit-search算法描述 | 第46-48页 |
| ·bit-search算法的一个举例 | 第48-51页 |
| ·bit-search算法的几点说明 | 第51-52页 |
| ·相关分析 | 第52-53页 |
| ·bit-search算法与基于时间窗口的算法比较 | 第53-56页 |
| ·两种算法的时间复杂度比较 | 第53-54页 |
| ·两种算法的效率比较 | 第54-56页 |
| 第4章 bit-search算法在股票市场中的应用 | 第56-66页 |
| ·股票关联规则挖掘流程的设计 | 第56-58页 |
| ·背景介绍 | 第56页 |
| ·设计目标 | 第56-57页 |
| ·股票关联规则挖掘流程 | 第57-58页 |
| ·软硬件环境 | 第58页 |
| ·股票数据的导入和预处理 | 第58-61页 |
| ·股票数据的导入 | 第58-59页 |
| ·数据的预处理1 | 第59-60页 |
| ·数据的预处理2 | 第60-61页 |
| ·数据的预处理3 | 第61页 |
| ·使用bit-search算法生成关联规则 | 第61-66页 |
| ·算法执行过程 | 第62-63页 |
| ·算法执行结果 | 第63-66页 |
| 第5章 总结与展望 | 第66-68页 |
| ·本文总结 | 第66页 |
| ·讨论与展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |