| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-18页 |
| ·特征选择及其研究进展 | 第13-14页 |
| ·贝叶斯网络中的马尔科夫毯及其研究进展 | 第14-16页 |
| ·本文主要工作和组织结构 | 第16-18页 |
| 第二章 贝叶斯网络和马尔科夫毯学习算法 | 第18-32页 |
| ·贝叶斯网络 | 第18-21页 |
| ·贝叶斯网络的基本概念 | 第18-19页 |
| ·条件独立与 d 分离 | 第19-21页 |
| ·马尔科夫毯 | 第21-22页 |
| ·马尔科夫毯概念与用途 | 第21-22页 |
| ·马尔科夫毯学习算法 | 第22-31页 |
| ·GS(Grow-Shrink)算法 | 第22-23页 |
| ·IAMB(Incremental Association Markov Blanket)算法 | 第23-24页 |
| ·MMMB(Max-Min Markov Blanket)算法 | 第24-27页 |
| ·Hiton-MB(Hiton-Markov Blanket)算法 | 第27-29页 |
| ·PCMB(Parent Children Markov Blanket)算法 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于 MMMB 算法和逻辑回归分析的马尔科夫毯学习算法 | 第32-42页 |
| ·回归分析(Regression Analysis) | 第32-34页 |
| ·回归分析的形式和步骤 | 第32-33页 |
| ·假设检验与置信区间 | 第33-34页 |
| ·回归分析与马尔科夫毯算法的结合 | 第34-36页 |
| ·目标变量与候选马尔科夫毯集合的回归分析 | 第34-35页 |
| ·寻找配偶结点 | 第35页 |
| ·基于回归分析的马尔科夫毯算法描述 | 第35-36页 |
| ·实验及分析 | 第36-41页 |
| ·实验方法 | 第36-37页 |
| ·实验标准 | 第37-38页 |
| ·实验过程 | 第38-40页 |
| ·实验比较 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于马尔科夫毯特征选择和向量自回归模型的股票预测分析 | 第42-56页 |
| ·基于马尔科夫毯算法选择房地产板块的特征板块 | 第42-45页 |
| ·时间序列模型 | 第45-46页 |
| ·平稳性检验和 Granger 因果检验 | 第46-48页 |
| ·时间序列平稳性检验 | 第46-47页 |
| ·Granger 因果检验 | 第47-48页 |
| ·向量自回归 | 第48-51页 |
| ·建立向量自回归模型 | 第48-49页 |
| ·确立模型的滞后阶数 | 第49-50页 |
| ·模型平稳性检验 | 第50页 |
| ·利用模型进行预测 | 第50-51页 |
| ·分析与解释 | 第51-55页 |
| ·脉冲响应 | 第51-53页 |
| ·方差分解 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结 | 第56-58页 |
| ·本文总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文 | 第62-63页 |
