| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 问题的提出及研究意义 | 第10-11页 |
| 1.2 国内外研究综述 | 第11-14页 |
| 1.2.1 技术指标法概述 | 第11-12页 |
| 1.2.2 基本面分析法概述 | 第12-13页 |
| 1.2.3 综合分析法概述 | 第13页 |
| 1.2.4 数据挖掘分析法概述 | 第13-14页 |
| 1.3 本论文主要研究内容和创新之处 | 第14-16页 |
| 1.4 本论文结构 | 第16-17页 |
| 第2章 模糊理论与分类系统 | 第17-27页 |
| 2.1 模糊理论的数学基础 | 第17-20页 |
| 2.1.1 模糊集合及其隶属函数 | 第17-19页 |
| 2.1.2 模糊集合的相关概念 | 第19-20页 |
| 2.1.3 模糊集合的基本运算 | 第20页 |
| 2.2 模糊规则及模糊系统 | 第20-24页 |
| 2.2.1 模糊规则 | 第21-22页 |
| 2.2.2 模糊系统 | 第22-23页 |
| 2.2.3 模糊规则的性能指标 | 第23-24页 |
| 2.3 分类规则挖掘步骤 | 第24-27页 |
| 第3章 遗传算法的原理与方法 | 第27-34页 |
| 3.1 编码 | 第27-28页 |
| 3.2 初始群体设定 | 第28页 |
| 3.3 适应度函数及评价 | 第28-29页 |
| 3.4 遗传操作 | 第29-32页 |
| 3.4.1 选择算子 | 第30页 |
| 3.4.2 交叉算子 | 第30-31页 |
| 3.4.3 变异算子 | 第31-32页 |
| 3.4.4 终止代数 | 第32页 |
| 3.5 遗传算法的基本流程 | 第32-34页 |
| 第4章 基于改进遗传算法的模糊分类规则获取的方法 | 第34-53页 |
| 4.1 机器学习简介 | 第34-36页 |
| 4.2 基于遗传算法的分类规则发现 | 第36-44页 |
| 4.2.1 分类规则编码 | 第37-39页 |
| 4.2.2 适应度函数 | 第39-40页 |
| 4.2.3 遗传算法选择算子的改进 | 第40-41页 |
| 4.2.4 交叉算子的改进 | 第41-42页 |
| 4.2.5 变异算子的改进 | 第42-43页 |
| 4.2.6 改进的的遗传算法挖掘分类规则流程描述 | 第43-44页 |
| 4.3 仿真实验 | 第44-48页 |
| 4.3.1 实验数据和测试环境 | 第44-46页 |
| 4.3.2 算法参数设置 | 第46页 |
| 4.3.3 实验结果分析和比较 | 第46-48页 |
| 4.4 基于数据驱动FCM属性模糊处理方法 | 第48-51页 |
| 4.5 基于改进遗传算法的模糊规则提取算法流程 | 第51页 |
| 4.6 基于遗传算法的模糊规则挖掘和传统规则挖掘的区别 | 第51-53页 |
| 第5章 股票技术指标分析预测系统的实现 | 第53-71页 |
| 5.1 系统的需求分析 | 第53页 |
| 5.2 系统框架设计 | 第53-55页 |
| 5.3 基于遗传算法的股票数据模糊分类规则挖掘 | 第55-67页 |
| 5.3.1 试验环境 | 第55页 |
| 5.3.2 股票数据说明 | 第55-57页 |
| 5.3.3 股票数据清洗 | 第57-58页 |
| 5.3.4 股票数据属性选择及规范化 | 第58-61页 |
| 5.3.5 数据模糊化 | 第61-65页 |
| 5.3.6 遗传算法规则提取 | 第65-66页 |
| 5.3.7 新数据分类预测 | 第66-67页 |
| 5.4 属性等区间划分和模糊划分对比 | 第67-69页 |
| 5.4.1 等区间划分 | 第67-68页 |
| 5.4.2 基于等区间划分的遗传算法分类规则挖掘 | 第68-69页 |
| 5.5 小结 | 第69-71页 |
| 第6章 结论与展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 个人简历 | 第76页 |