互聯(lián)網(wǎng)金融信息智能挖掘基礎(chǔ)

第1篇 系統(tǒng)平臺(tái)
　第1章　互聯(lián)網(wǎng)金融信息及其挖掘系統(tǒng)
1.1　互聯(lián)網(wǎng)金融信息概述
1.2　互聯(lián)網(wǎng)金融信息挖掘系統(tǒng)平臺(tái)的總體結(jié)構(gòu)
1.3　互聯(lián)網(wǎng)信息的計(jì)算機(jī)獲取
1.4　互聯(lián)網(wǎng)金融信息挖掘結(jié)果展示系統(tǒng)
1.5　展望
第2篇　技術(shù)基礎(chǔ)
　第2章　互聯(lián)網(wǎng)金融文本處理技術(shù)
2.1 概述
2.2　基礎(chǔ)資源
2.3　詞法分析
2.4　句法分析
2.5　語義分析
　第3章　神經(jīng)網(wǎng)絡(luò)方法
3.1　學(xué)習(xí)的分類
3.2　群和正交群
3.3　前饋神經(jīng)網(wǎng)絡(luò)誤差超曲面的復(fù)雜性
3.4　最小二乘擬和與廣義逆矩陣
3.5　結(jié)構(gòu)壓縮的通用算法
　第4章　支持向量機(jī)技術(shù)（Ⅰ）
4.1　數(shù)學(xué)準(zhǔn)備：線性空間和線性算子
4.2 SVC和SVR
4.3　將多項(xiàng)式核分解為到單項(xiàng)式空間的映射ф
　第5章　支持向量機(jī)技術(shù)（Ⅱ）
5.1　支持向量機(jī)的結(jié)構(gòu)壓縮
5.2　支持向量機(jī)的增量學(xué)習(xí)算法
5.3　支持向量機(jī)超曲面不均分兩類
　第6章 支持向量機(jī)技術(shù)（Ⅲ）
6.1 H和U及K空間的一些關(guān)系
6.2 通過在U中訓(xùn)練第2個(gè)SVM調(diào)整分隔超平面п
第3篇　基礎(chǔ)應(yīng)用
　第7章 金融信息量和交易量及收益率時(shí)間序列的關(guān)聯(lián)
7.1 概述
7.2 基于神經(jīng)網(wǎng)絡(luò)的金融信息量建模
7.3　基于支持向量機(jī)的金融信息量建模
7.4 NN和SVM在挖掘新聞量和交易量關(guān)系的比較研究
　第8章　基于金融信息量的股市收益率的控制問題
8.1 概述
8.2　控制系統(tǒng)分析
8.3　使用金融信息量控制收益率波動(dòng)率的實(shí)驗(yàn)
8.4　展望
參考文獻(xiàn)