文摘
英文文摘
第一章:概述
§1.1:商空间模型及粒度分析
§ 1.2:模式识别与机器学习
§ 1.3:构造性学习理论与方法
§ 1.4:基于商空间的构造性数据挖掘方法
§ 1.5:金融工程中时间序列特征识别的问题概述
§ 1.6:论文各部分的主要内容
第二章:基于覆盖算法的构造性神经网络
§ 2.1:构造性的神经网络
§ 2.2:覆盖算法的几何意义
§ 2.2.1:几何意义
§ 2.2.1:覆盖算法
§ 2.3:覆盖算法的理论分析
§ 2.3.1:样本集的选择与学习的顺序
§ 2.3.2:隐含层神经元数的降低
§ 2.3.3:泛化能力与识别精度
§ 2.4:算法的改进
§ 2.4.1:剔除特征显性不足的点对主分量分析算法DPCAA
§ 2.4.2:多侧面递进的学习算法MIDA
§ 2.4.3:重复覆盖算法RCA
§ 2.5:本章小结
第三章:商空间模型表示的决策型数据挖掘规则的方法(DDMR)
§3.1:商空间模型的对象分析和表示
§ 3.1.1:商空间的结构性质
§ 3.1.2:粒度的确定
§ 3.1.3:商空间的合成技术
§ 3.2.1:多数据表的结构
§ 3.2.2:商空间模型表示的决策型数据挖掘规则的算法(DDMR)
§3.3:粗糙集理论分析
§ 3.3.1:基本算法及其复杂度
§ 3.3.2:理论扩展
§3.4:商空间理论的特性
§ 3.4.1:基本算法及其复杂度
§ 3.4.2:理论扩展
§ 3.5:本章小结
§第四章:DDMR算法在金融工程预测中的应用
§4.1:股票市场预测性分析
§ 4.2:时间序列的预测问题
§ 4.3.1:时间序列的构成
§ 4.3.2:交易量序列的构成
§ 4.3.3:归一化
§4.4: DDMR在股市预测中的应用
§ 4.4.1:时间序列预测
§ 4.4.2:交易量序列预测
§ 4.5:结论与分析
§第五章:结论与展望
§ 5.1:结论
§ 5.2:创新点
§5.3:展望
§参考文献
§致谢
§攻读博士学位期间从事的科研工作及发表的论文