跳到主要內容

臺灣博碩士論文加值系統

(54.80.249.22) 您好!臺灣時間:2022/01/20 06:10
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:黃盈彬
研究生(外文):Ying-Pin Huang
論文名稱:不連續序列資料挖掘之研究─以股市為例
論文名稱(外文):
指導教授:謝浩明謝浩明引用關係
學位類別:碩士
校院名稱:國立中央大學
系所名稱:資訊管理研究所
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2002
畢業學年度:90
語文別:中文
論文頁數:56
中文關鍵詞:資料挖掘關連規則多屬性序列式資料不連續序列
外文關鍵詞:Data Mining
相關次數:
  • 被引用被引用:3
  • 點閱點閱:272
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
資料挖掘是在資料庫中找尋時常發生的既定規則,利用資料挖掘的技術,可以在大量的交易資料中挖掘出有趣的規則或是特性,這些規則或是特性可以提供我們做為決策參考之用。
以往在多屬性序列式資料的研究中,僅在挖掘具有連續性的序列樣式,對於不連續的序列樣式並無太多的論述。而本論文以LSS演算法為基礎,發展出適合多屬性序列式資料的DSS(Discontinuous Set of Sequence)演算法,並且改善了LSS演算法不能挖掘出不連續序列的特性。此演算法利用模糊集合的概念,將具有連續性的數值屬性轉換適合的語意,再利用DSS演算法的區間搜尋的方式,使得其不但可以找出連續性的序列樣式,也可以找出不連續的序列樣式,最後利用股市的資料來驗證此演算法的可行性。
第一章 緒論1
第一節研究動機1
第二節研究目的2
第三節研究範圍3
第四節論文架構3
第二章 文獻回顧5
第一節資料挖掘5
第一小節 挖掘關聯規則6
第二小節 資料歸納法9
第三小節 序列資料挖掘14
第二節多屬性序列式資料15
第三節模糊集合16
第四節股價分析法21
第三章 多屬性序列式資料結構23
第一節 原始資料23
第二節 屬性值切割25
第四章 演算法32
第一節 門檻值定義32
第二節 序列集合33
第三節 DSS演算法34
第四節 推導後的關聯規則型式37
第五章 系統實驗40
第一節 系統介紹40
第二節 系統介面41
第三節 產生序列樣式42
第四節 規則檢驗46
第六章 結論與建議54
第一節 結論與貢獻54
第二節未來研究方向與建議55
參考文獻56
表1-1 某序列樣式2
表2-1 Database D7
表2-2 pass1 C1與L17
表2-3 pass2 C2與L28
表2-4 pass 3 C3與L38
表2-5 原始資料表, 資料來源[7]11
表2-6 過濾Graduate屬性, 資料來源[7]12
表2-7 移除屬性Name, 資料來源[7]12
表2-8 累加vote值, 資料來源[7]13
表2-9 資料來源[7]13
表2-10 資料來源[25]18
表2-11 資料來源[24]22
表3-1 各指標的語意26
表3-2 某上市公司之股市原始資料29
表3-3 轉換成技術指標30
表3-4 轉換成語意變數31
表4-1 1B1C1G38
表4-2 1B1C1G®1D38
表4-3 1B1C1G38
表4-4 1B1C1G®1D39
表5-1 計算出所有的類別支持度42
表5-2 去除掉未過門檻值的類別43
表5-3 第一回合的(L1)44
表5-4 第三回的候選序列45
表5-5 某公司的關聯規則47
表5-6 訓練資料中出現1Y的次數分布47
表5-7 測試資料中出現1Y的次數分布48
表5-8 卡方齊一性檢定48
表5-9 A公司序列為5的關聯規則49
表5-10 B公司序列為5的關聯規則49
表5-11 C公司序列為5的關聯規則49
表5-12 A公司的序列50
表5-13 B公司的序列樣式51
表5-14 B公司的序列樣式(續)52
表5-15 C公司的序列樣式53
圖2-1 Apriori 演算法7
圖2-2 屬性City 的概念階層10
圖2-3 某大學學生的原始概念階層, 資料來源[7]11
圖2-4 電流的明確集合17
圖2-5 體溫的模糊集合18
圖2-6 以明確集合與模糊集合分別定義“天氣舒適度”19
圖2-7 四種標準歸屬函數 資料來源[13]20
圖2-8 天氣舒適度的標準歸屬函數20
圖3-1 相對強弱指標26
圖3-2 心理線27
圖3-3 乖離率27
圖3-4 買賣氣勢指標28
圖3-5 量強弱指標28
圖4-1 L1 JION L133
圖4-2 DSS演算法36
圖5-1 系統流程40
圖5-2 系統主畫面41
參考文獻[1] R. Agrawal and R. Srikant, “Fast Algorithms for Mining Association Rules,” Proc. of the 20th Int''l Conference on Very Large Databases, Santiago, Chile, Sept. 1994.[2] R. Agrawal, T. Imielinski, and A. Swami, “Mining association rules between sets of items in large database,” SIGMOD 93, pp. 207-216.[3] M. -S. Chen, J. Han, and P. S. Yu , “Data Mining:An Overview from a Database Perspective,” IEEE Transactions on Knowledge and Data Engineering, vol.8 , no. 6,1996, pp. 866-883.[4] R. Agrawal, T. Imielinski, and A. Swami, “Mining association rules between sets of items in large database,” SIGMOD 93, pp. 207-216.[5] J. C. Bezdek, “Pattern Recognition with Fuzzy Objective Function Algorithms,” Plenum, New York, 1981.[6] R. Agrawal and R. Srikant, “Fast Algorithms for Mining Association Rules,” Proc. of the 20th Int''l Conference on Very Large Databases, Santiago, Chile, Sept. 1994.[7] Y. Cai, N. Cercone, and J. Han, “Attribute-Oriented Induction in Relational Databases,” Knowledge Discovery in Databases ,Ch 12, AAAI/MIT Press,1991.[8]Jiawei Han, Micheline Kamber, “Data Mining: Concepts and Techniques,”2001.[9] R. Srikant, R. Agrawal, “Mining Generalized Association Rules,” Proc. 21st VLDB Conf. Zurich, Swizerland, 1995.[10] R. Agrawal and R. Srikant, “Mining Sequential Patterns,” Proc. of the Int''l Conference on Data Engineering (ICDE), Taipei, Taiwan, March 1995.[11] V. Harinarayan, J. D. Ullman, and A. Rajaraman, “Implementing Data Cubes Efficiently,” Proc. 1996 ACM SIGMOD Int’l Conf. Management Data, pp.205-216, Montreal, Canada, June 1996.[12] J. Han,J. Pei, and Y.Yin, “Mining Frequent Patterns without Candidate Generation,”Proc.2000 ACM-SIGMOD Int. Conf. On Management of Data(SIGMOD’00), Dallas,TX, May 2000 .[13] Timothy J. Ross, “Fuzzy logic with engineering application,” International Edition, 1995.[14] L. A . Zadech, ”Fuzzy Sets,” Information and Controal, 8 ,1965.[15]Ada Wai-chee Fu, Man Hon Wong, Siu Chun Sze, Wai Chiu Wong, Wai Lun Wong, and Wing Kwan Yu, “Finding Fuzzy Sets for the Mining of Fuzzy Association Rules for Numerical Attributes,” Department of Computer Science and Engineering, Chinese University of Hong Kong.[16]J. Shu Yue, E.Tsang, D Yeung and Daming Shi, “Mining fuzzy associaton rules with weighted items,”2000 IEEE International Conference on Systems, Man and Cybernetics, 3:1906-1911, 2000.[17] Robert H. Golan, Wojciech Ziarko, “A Mothodology for Stock Market Analysis utilizing Rough Set Theory”, IEEE.[18] Gary, Jim, Adam Bosworth, Andrew Layman and Hamid Pirahesh, “Data Cube: A Relational Aggregation Operator Generalizing Group-By, Cross-Tab, and Sub-Totals,” IEEE 1996. [19]C.Bettini,X. S. Wang, S. Jajodia, J.-L. Lin, “Discovering frequent event patterns with multiple granularities in time sequences,” IEEE Trans. On Knowledge and Data Engineering, Volume: 10 Issue :2, 1998 ,pp. 222-237. [20]George H. John,Stanford University and IBM Peter Miller,Lockhead Martin Corporation Randy Kerber, “Stock Selection Using Rule Induction,” IEEE, 1996.[21]Agrawal, R., Faloutsos, C. and Swami, A. “Efficient Similarity Search in Sequence Databases,” Lecture Notes in Computer Science 730, Springer Verlag, 1993, pp. 69-84.[22]Chen, M-S., Park, J-S. and Yu, P.S. “Efficient Data Mining for Path Traversal Patterns,''” IEEE Trans. on Knowledge and Data Engineering, Vol. 10, No. 2, April 1998, pp. 209-221.[23]陳智宗,(言午)秉瑜,陳振明, “以資料挖礦法挖掘多屬性序列式資料規則之研究,” 中央大學資訊管理研究所碩士論文, 民89.[24]陳柏翰,(言午)秉瑜, 陳振明, “以RSS演算法挖掘股市交易資料之研究,” 中央大學資訊管理研究所碩士論文, 民90.[25]范揚明, 吳憲忠, “模糊理論在股市投資決策上的應用,”暨南大學資訊管理研究所碩士論文, 民90.[26] 陳仕昇,(言午)秉瑜, 陳彥良, “以可重複序列挖掘網路瀏覽規則之研究,” 資管評論第九期, 民88.[27](言午)長裕 何靖遠,”多維度跨界性資料挖掘-以股市為例,” 中央大學資訊管理研究所碩士論文, 民89.[28]沈清正, 陳仕昇, 高鴻斌, 張元哲, 陳家仁, 黃琮盛, 陳彥良, “資料間隱含關係的挖掘與展望,”中央大學 資訊管理系.[29]杜金龍, “技術指標在台灣股市應用的訣竅,” 金錢文化, 民87.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top