期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
使用异质集成学习和心电信号异构特征融合的睡眠呼吸暂停分类方法
被引量：
1
1
作者
韩亮
罗统军
+2 位作者
蒲秀娟
刘媛
梁国祥
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2024年第6期320-327,共8页
睡眠呼吸暂停(SA)会影响睡眠质量,增加心脑血管疾病风险,其准确分类有助于在SA早期阶段及时开展针对性治疗。本文提出一种使用异质集成学习和异构特征融合的SA分类新方法。首先从原始心电信号中提取小波时频谱,使用SE-ResNet作为初级分...
睡眠呼吸暂停(SA)会影响睡眠质量,增加心脑血管疾病风险,其准确分类有助于在SA早期阶段及时开展针对性治疗。本文提出一种使用异质集成学习和异构特征融合的SA分类新方法。首先从原始心电信号中提取小波时频谱,使用SE-ResNet作为初级分类器;然后提取RR间期序列和R峰值序列,使用1D CNN-LSTM作为初级分类器;再提取心率变异性特征,使用SVM作为初级分类器。最后采用堆叠法作为异质集成学习的融合策略,再使用另一个SVM作为次级分类器实现SA分类。在Apnea-ECG数据集上进行实验,所提出的SA分类方法的准确率为89.12%。实验结果表明,所提方法有效利用了各初级分类器的多样性和异构特征的互补性,其性能优于传统的SA分类方法。
展开更多
关键词
睡眠呼吸暂停
集成学习
异构特征融合
心电信号
深度学习
在线阅读
下载PDF
职称材料
基于多模态特征小波分解的深度学习股价概率预测
2
作者
张永宇
郭晨娟
魏涵玥
《计算机科学》
北大核心
2025年第S1期758-768,共11页
构建了一种创新的基于多模态特征小波分解的深度学习股价概率预测模型(MWDPF)。该模型融合了动态连续特征、动态分类特征、静态连续特征和静态分类特征等多源异构信息,通过并行融合的策略充分挖掘不同特征子空间的互补信息,全面刻画影...
构建了一种创新的基于多模态特征小波分解的深度学习股价概率预测模型(MWDPF)。该模型融合了动态连续特征、动态分类特征、静态连续特征和静态分类特征等多源异构信息,通过并行融合的策略充分挖掘不同特征子空间的互补信息,全面刻画影响股价波动的多重维度。该模型采用自回归递归神经网络架构,能够直接输出股价变化的概率分布预测,而非单一确定值预测,更加贴近实际股价呈概率分布的特征。另外,该模型引入小波分解技术,对原始时间序列进行去噪,自适应地过滤掉不同尺度下的噪声成分,提高了对内在波动规律的捕捉能力。实证分析阶段,采集了来自金融数据库和互联网论坛的多模态数据,通过缺失值填充、去极值、时间对齐等一系列预处理,以及精心的特征工程和模型优化,实现了优秀的预测性能,显著优于传统的统计学模型和深度学习模型,评价指标均有大幅改善。该模型产生的预测结果被用于构建了一个多因子选股策略,在实际回测中取得了可观的超额收益,进一步验证了该模型在实际投资决策中的有效性。该研究为股价预测提供了一种行之有效的解决方案,丰富了量化投资的理论和方法,具有重要的理论意义和应用价值。
展开更多
关键词
概率密度预测
多模态
异构特征融合
小波分解时频分析
自回归递归神经网络
投资组合超额收益
在线阅读
下载PDF
职称材料
题名
使用异质集成学习和心电信号异构特征融合的睡眠呼吸暂停分类方法
被引量：
1
1
作者
韩亮
罗统军
蒲秀娟
刘媛
梁国祥
机构
重庆大学微电子与通信工程学院
生物感知与智能信息处理重庆市重点实验室
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2024年第6期320-327,共8页
文摘
睡眠呼吸暂停(SA)会影响睡眠质量,增加心脑血管疾病风险,其准确分类有助于在SA早期阶段及时开展针对性治疗。本文提出一种使用异质集成学习和异构特征融合的SA分类新方法。首先从原始心电信号中提取小波时频谱,使用SE-ResNet作为初级分类器;然后提取RR间期序列和R峰值序列,使用1D CNN-LSTM作为初级分类器;再提取心率变异性特征,使用SVM作为初级分类器。最后采用堆叠法作为异质集成学习的融合策略,再使用另一个SVM作为次级分类器实现SA分类。在Apnea-ECG数据集上进行实验,所提出的SA分类方法的准确率为89.12%。实验结果表明,所提方法有效利用了各初级分类器的多样性和异构特征的互补性,其性能优于传统的SA分类方法。
关键词
睡眠呼吸暂停
集成学习
异构特征融合
心电信号
深度学习
Keywords
sleep apnea(SA)
ensemble learning
heterogeneous feature fusion
electrocardiogram(ECG)
deep learning
分类号
TH701 [机械工程—精密仪器及机械]
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于多模态特征小波分解的深度学习股价概率预测
2
作者
张永宇
郭晨娟
魏涵玥
机构
华东师范大学数据科学与工程学院
恒生电子股份有限公司
出处
《计算机科学》
北大核心
2025年第S1期758-768,共11页
文摘
构建了一种创新的基于多模态特征小波分解的深度学习股价概率预测模型(MWDPF)。该模型融合了动态连续特征、动态分类特征、静态连续特征和静态分类特征等多源异构信息,通过并行融合的策略充分挖掘不同特征子空间的互补信息,全面刻画影响股价波动的多重维度。该模型采用自回归递归神经网络架构,能够直接输出股价变化的概率分布预测,而非单一确定值预测,更加贴近实际股价呈概率分布的特征。另外,该模型引入小波分解技术,对原始时间序列进行去噪,自适应地过滤掉不同尺度下的噪声成分,提高了对内在波动规律的捕捉能力。实证分析阶段,采集了来自金融数据库和互联网论坛的多模态数据,通过缺失值填充、去极值、时间对齐等一系列预处理,以及精心的特征工程和模型优化,实现了优秀的预测性能,显著优于传统的统计学模型和深度学习模型,评价指标均有大幅改善。该模型产生的预测结果被用于构建了一个多因子选股策略,在实际回测中取得了可观的超额收益,进一步验证了该模型在实际投资决策中的有效性。该研究为股价预测提供了一种行之有效的解决方案,丰富了量化投资的理论和方法,具有重要的理论意义和应用价值。
关键词
概率密度预测
多模态
异构特征融合
小波分解时频分析
自回归递归神经网络
投资组合超额收益
Keywords
Probability density prediction
Multi-modal heterogeneous feature fusion
Wavelet decomposition time-frequency ana-lysis
Auto-regressive recurrent neural network
Portfolio excess returns
分类号
F224-39 [经济管理—国民经济]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
使用异质集成学习和心电信号异构特征融合的睡眠呼吸暂停分类方法
韩亮
罗统军
蒲秀娟
刘媛
梁国祥
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
基于多模态特征小波分解的深度学习股价概率预测
张永宇
郭晨娟
魏涵玥
《计算机科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
