【摘要】：數(shù)據(jù)挖掘研究如何從大量的數(shù)據(jù)中獲取對(duì)決策有幫助的知識(shí)。粗集理論是分析和處理各種不精確、不完整信息的數(shù)學(xué)工具,已成為數(shù)據(jù)挖掘研究的重要分支。隨著證券市場(chǎng)的不斷發(fā)展,在證券信息數(shù)據(jù)庫(kù)中積累了大量歷史交易數(shù)據(jù),如何充分利用這些歷史數(shù)據(jù)探尋證券市場(chǎng)自身的運(yùn)動(dòng)規(guī)律,成為人們關(guān)心的問(wèn)題。探索了基于粗集理論的股票價(jià)格預(yù)測(cè)方法。研究了相對(duì)差異比較表的化簡(jiǎn)算法和基于相對(duì)差異比較表的屬性約簡(jiǎn)算法、值約簡(jiǎn)算法,對(duì)現(xiàn)有的屬性約簡(jiǎn)算法進(jìn)行了改進(jìn),使其在屬性約簡(jiǎn)過(guò)程中充分考慮到相對(duì)差異比較表行、列兩方面提供的信息。提出了綜合考慮技術(shù)指標(biāo)應(yīng)用的極端值、背離、交叉、失效四個(gè)方面來(lái)確定決策表的條件屬性,將三日后股價(jià)的漲跌幅作為決策屬性,使提取的規(guī)則具有預(yù)測(cè)功能。研究了針對(duì)新構(gòu)建證券信息決策表連續(xù)屬性的離散化方法,在利用云變換方法對(duì)連續(xù)屬性進(jìn)行離散化時(shí),充分注意到技術(shù)指標(biāo)自身的特點(diǎn),在實(shí)際應(yīng)用中取得了較為滿意的結(jié)果。設(shè)計(jì)并實(shí)現(xiàn)了該知識(shí)發(fā)現(xiàn)系統(tǒng)。系統(tǒng)由用戶界面、后臺(tái)數(shù)據(jù)庫(kù)、數(shù)據(jù)預(yù)處理和規(guī)則抽取四個(gè)模塊組成,利用VC在Windows平臺(tái)上編程,取得了較為滿意的結(jié)果。最后,探討了進(jìn)一步值得研究的方向。
【圖文】：

西南交通大學(xué)碩士研究生學(xué)位論文第10頁(yè)在圖1一1中，每個(gè)小方塊表示根據(jù)屬性子集B劃分論域U所得到的等價(jià)類(lèi)，黑色線包圍的區(qū)域?yàn)榻o定概念X的范圍，深灰色區(qū)域表示x的下近似，淺灰色區(qū)域表示X的邊界域，深灰色區(qū)域和淺灰色區(qū)域一起表示X的上近似。圖1一IX的上近似集和下近似集例2接例1，，給定集合x(chóng)={2e，3e

西南交通大學(xué)碩士研究生學(xué)位論文第24頁(yè)圖3一3技術(shù)指標(biāo)曲線的交叉3.1.4決策屬性的確定利用上述方法確定各指標(biāo)值為決策表的條件屬性，為了使決策表具有預(yù)測(cè)功能，將三天后的漲跌幅PEC作為決策屬性，利用粗集理論對(duì)決策表進(jìn)行處理，提取規(guī)則，根據(jù)規(guī)則實(shí)現(xiàn)預(yù)測(cè)。典型技術(shù)指標(biāo)決策表如圖3一4所示。圖3一4典型技術(shù)指標(biāo)決策表3.2決策表離散化·由于粗集理論的基礎(chǔ)是集合論，所以對(duì)于連續(xù)的屬性必須進(jìn)行離散化。連續(xù)屬性離散化是在特定的連續(xù)屬性值域范圍內(nèi)設(shè)定若干個(gè)離散劃分點(diǎn)，將屬性值域范圍劃分成若干離散化區(qū)間，再用不同符號(hào)或整數(shù)值代表屬于區(qū)間
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2005
【分類(lèi)號(hào)】：F830.91

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 孔淑慧;流數(shù)據(jù)時(shí)序模式依賴挖掘在股市行情分析中的應(yīng)用[D];北京交通大學(xué);2008年

本文編號(hào)：2594333