| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 消费者信心指数的相关研究 | 第12-13页 |
| 1.2.2 时序关联规则的相关现状 | 第13-15页 |
| 1.2.3 模糊关联规则与数量型关联规则的相关研究 | 第15-16页 |
| 1.3 研究思路与创新点 | 第16-18页 |
| 1.4 文章结构 | 第18-19页 |
| 第二章 消费者信心指数的基本特征 | 第19-27页 |
| 2.1 消费者信心指数的结构与计算方法 | 第19页 |
| 2.2 消费者信心总指数的变动趋势分析 | 第19-21页 |
| 2.3 消费者信心二级指数的描述性统计 | 第21-22页 |
| 2.4 消费者信心二级指数变动趋势的符号化处理 | 第22-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 经济类指数的定性型关联规则挖掘 | 第27-43页 |
| 3.1 针对经济类指数的Apriori时序关联规则挖掘方法 | 第27-28页 |
| 3.2 针对经济类指数的基于时态优势比的关联规则挖掘方法 | 第28-31页 |
| 3.3 Apriori时序关联规则在消费者信心二级指数上的应用 | 第31-36页 |
| 3.4 基于时态优势比的关联规则在消费者信心二级指数上的应用 | 第36-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 经济类指数的模糊关联规则与数量型关联规则挖掘 | 第43-61页 |
| 4.1 针对经济类指数的模糊关联规则挖掘方法 | 第43-45页 |
| 4.1.1 模糊c-均值聚类方法 | 第43-44页 |
| 4.1.2 基于模糊c-均值算法的模糊关联规则挖掘方法 | 第44-45页 |
| 4.2 针对经济类指数的数量型关联规则挖掘方法 | 第45-46页 |
| 4.3 模糊关联规则在消费者信心二级指数上的应用 | 第46-50页 |
| 4.3.1 模糊集聚类 | 第46-47页 |
| 4.3.2 模糊关联规则挖掘 | 第47-49页 |
| 4.3.3 模糊关联规则与定性型关联规则的比较 | 第49-50页 |
| 4.4 数量型关联规则在消费者信心二级指数上的应用 | 第50-55页 |
| 4.4.1 数量型Apriori时序关联规则挖掘 | 第50-52页 |
| 4.4.2 数量型时态优势比方法关联规则挖掘 | 第52-55页 |
| 4.5 基于数量型关联规则挖掘的神经网络学习 | 第55-60页 |
| 4.5.1 神经网络方法 | 第56-57页 |
| 4.5.2 基于数量型Apriori时序关联规则挖掘的神经网络学习 | 第57-58页 |
| 4.5.3 基于数量型时态优势比方法关联规则挖掘的神经网络学习 | 第58-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 结论与建议 | 第61-67页 |
| 5.1 研究结论 | 第61-64页 |
| 5.1.1 各类关联规则挖掘方法实际效果比较 | 第61-62页 |
| 5.1.2 消费者信心二级指数联动关系综述 | 第62-64页 |
| 5.2 消费者信心指数编制建议 | 第64-66页 |
| 5.3 研究展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71-81页 |
| 致谢 | 第81页 |
