| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 引言 | 第10-18页 |
| ·课题研究的背景及意义 | 第10-11页 |
| ·股票的背景知识 | 第11页 |
| ·中国股市简介 | 第11-13页 |
| ·股票分析预测方法综述 | 第11-12页 |
| ·一些常用的股市预测变量 | 第12-13页 |
| ·股价(股指)预测存在的问题 | 第13页 |
| ·数据挖掘、关联规则简介 | 第13-16页 |
| ·数据挖掘的概念 | 第13-14页 |
| ·数据挖掘的国内外现状 | 第14-15页 |
| ·数据挖掘分类 | 第15-16页 |
| ·本文主要研究内容及论文的组织 | 第16-18页 |
| 第二章 关联规则的数据挖掘及相关算法分析 | 第18-34页 |
| ·数据预处理 | 第18-20页 |
| ·数据清理 | 第18-19页 |
| ·数据集成 | 第19页 |
| ·数据归约 | 第19-20页 |
| ·其它应用于股票数据的数据预处理方法 | 第20-22页 |
| ·小波分析用于股市行情数据预处理 | 第20-21页 |
| ·移动均线处理 | 第21-22页 |
| ·关联规则挖掘 | 第22-29页 |
| ·关联规则简介 | 第22页 |
| ·时间序列的关联规则分析 | 第22-24页 |
| ·时间序列概念 | 第22-23页 |
| ·时间序列关联分析 | 第23页 |
| ·股票数据的时间序列参数设置 | 第23-24页 |
| ·关联规则的基本算法及相关改进 | 第24-29页 |
| ·关联规则的基本概念 | 第24-25页 |
| ·经典Apriori算法分析 | 第25-29页 |
| ·Apriori改进算法:AprioriTid算法的分析 | 第29-32页 |
| ·其他几种改进算法简介 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 股票的时间序列分析 | 第34-42页 |
| ·对股票数据作关联分析 | 第34-35页 |
| ·股票数据的数据结构 | 第34-35页 |
| ·算法过程描述 | 第35-40页 |
| ·数据来源和预处理 | 第35-36页 |
| ·产生N-项频繁项集L_n | 第36-38页 |
| ·实验结果分析 | 第38-40页 |
| ·本章总结 | 第40-42页 |
| 第四章 基于成交量和二维时间模式下的双事务股票时间序列关联的研究 | 第42-54页 |
| ·一些股票的参数简介 | 第42-43页 |
| ·股价与成交量交易的研究 | 第43-44页 |
| ·股票成交量的数据预处理 | 第44-47页 |
| ·概念的定义 | 第44-45页 |
| ·定量分析成交量 | 第45页 |
| ·基于二维时间模式的股票数据分析 | 第45-46页 |
| ·序列规则的模型及概念定义 | 第46-47页 |
| ·双事务模式的数据预处理算法 | 第47-48页 |
| ·基于成交量的具有时间约束的双事务股票序列规则挖掘算法的实现 | 第48-53页 |
| ·OptimizedApriori算法分析 | 第48-50页 |
| ·算法的过程示例 | 第50-51页 |
| ·挖掘规则结果分析 | 第51-52页 |
| ·测试结果分析 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| ·本文工作的总结 | 第54页 |
| ·算法存在的问题及可能的改进方向 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |
| 攻读硕士学位期间参与的科研项目及发表的论文 | 第59页 |
| 一、发表的论文 | 第59页 |
| 二、参与的科研项目 | 第59页 |
