关联规则挖掘在股票预测中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-11页 |
| ·选题意义 | 第7页 |
| ·国内外的研究动态 | 第7-9页 |
| ·本文的研究内容 | 第9页 |
| ·本文组织结构 | 第9-11页 |
| 第2章 数据挖掘理论 | 第11-14页 |
| ·数据挖掘基本概念 | 第11页 |
| ·数据挖掘功能 | 第11-12页 |
| ·数据挖掘的步骤 | 第12-14页 |
| 第3章 关联规则挖掘技术 | 第14-27页 |
| ·关联规则挖掘 | 第14-15页 |
| ·关联规则挖掘基本概念 | 第15-17页 |
| ·关联规则的分类 | 第17-18页 |
| ·关联规则挖掘算法 | 第18-27页 |
| ·候选项集找频繁项的算法-Apriori算法 | 第18-25页 |
| ·Apriori算法性能分析 | 第25页 |
| ·由频繁项集产生关联规则 | 第25-27页 |
| 第4章 股票预测知识 | 第27-32页 |
| ·股市影响因素分析 | 第27-28页 |
| ·股票预测基础 | 第28-29页 |
| ·股票预测理论 | 第29-31页 |
| ·股市预测中常用的术语 | 第31-32页 |
| 第5章 基于股票预测的频繁项集优化算法 | 第32-38页 |
| ·用于股票预测的事务数据库特点 | 第32页 |
| ·应用比特向量算法减少数据库扫描次数 | 第32-35页 |
| ·事务数据库的比特向量表示和支持度计算 | 第32-34页 |
| ·应用hash算法减少生成的候选2-项集个数 | 第34-35页 |
| ·算法描述 | 第35-37页 |
| ·优化算法性能分析 | 第37-38页 |
| 第6章 基于股票预测的关联规则挖掘算法 | 第38-49页 |
| ·Weka平台下的关联规则挖掘 | 第38-42页 |
| ·数据格式 | 第38-40页 |
| ·数据预处理 | 第40页 |
| ·关联规则挖掘 | 第40-41页 |
| ·Weka源码分析 | 第41-42页 |
| ·基于股票预测的关联规则挖掘算法实现 | 第42-49页 |
| ·开发环境介绍 | 第42-43页 |
| ·预处理模块设计和实现 | 第43-47页 |
| ·频繁项集优化算法嵌入Weka | 第47-49页 |
| 第7章 应用实例分析 | 第49-56页 |
| ·数据预处理 | 第49页 |
| ·股票规则挖掘 | 第49-51页 |
| ·规则分析 | 第51-56页 |
| 第8章 总结与展望 | 第56-57页 |
| ·本文总结 | 第56页 |
| ·对以后工作的展望 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间的研究成果 | 第60页 |
