自組織數(shù)據(jù)挖掘與經(jīng)濟(jì)預(yù)測

第一章 經(jīng)濟(jì)過程的預(yù)測問題
1.1 經(jīng)濟(jì)是一個(gè)演化的復(fù)雜系統(tǒng)
1.2 預(yù)測方法評述
第二章 自組織數(shù)據(jù)挖掘基礎(chǔ)
2.1 數(shù)據(jù)挖掘概述
2.2 啟發(fā)式自組織方法
2.3 自組織數(shù)據(jù)挖掘
第三章 自組織數(shù)據(jù)挖掘算法
3.1 自組織數(shù)據(jù)挖掘算法的函數(shù)流程
3.2 參數(shù)GMDH算法
3.3 GMDH與人工神經(jīng)網(wǎng)絡(luò)方法比較研究
3.4 GMDH與回歸分析比較研究
3.5 算法的內(nèi)收斂性
3.6 活動(dòng)神經(jīng)元
第四章 自組織數(shù)據(jù)挖掘與經(jīng)濟(jì)系統(tǒng)復(fù)雜性研究
4.1 揭示經(jīng)濟(jì)對象構(gòu)成因素及較準(zhǔn)確的預(yù)測功能
4.2 自組織數(shù)據(jù)挖掘與非物理模型
4.3 從定性到定量綜合集成方法的具
4.4 客觀系統(tǒng)分析
4.5 客觀聚類分析方法
4.6 相似體合成算法
4.7 自組織模糊規(guī)則歸納法
第五章 基于自組織數(shù)據(jù)挖掘的經(jīng)濟(jì)預(yù)測方法改進(jìn)
5.1 兩水平算法及預(yù)測效果改善問題
5.2 因果關(guān)系檢驗(yàn)?zāi)Ｐ?br />5.3 基于AC算法的經(jīng)濟(jì)預(yù)測
5.4 自組織組合預(yù)測
5.5 基于DFA的自組織數(shù)據(jù)挖掘模型
第六章 自組織數(shù)據(jù)挖掘在經(jīng)濟(jì)預(yù)測中的應(yīng)用
6.1 小麥?zhǔn)粘深A(yù)測
6.2 成都市居民未來生活用水量預(yù)測模型的選擇
6.3 人民幣匯率影響因素及預(yù)測分析研究
6.4 自組織數(shù)據(jù)挖掘方法對電力需求的預(yù)測
6.5 基于AC-FRI的經(jīng)濟(jì)預(yù)警體系
6.6 新股上市定價(jià)的自組織模型
6.7 FRI方法在市場調(diào)查分析中的應(yīng)用研究
第七章 非軍事化展
7.1 自組織數(shù)據(jù)挖掘的方法論
7.2 自組織數(shù)據(jù)挖掘的方法改進(jìn)綜述
7.3 值得進(jìn)一步研究的問題