检索结果-维普期刊中文期刊服务平台

基于分形理论的股票时序数据离群模式挖掘研究被引量：4: 1; 作者孙金花冯英浚胡健《运筹与管理》 CSCD 2008年第5期135-140,共6页; 针对股票时间序列的特点,从离群点对股票时序数据有序性的影响角度出发,在界定分形离群点含义的基础上,利用分形理论将离群模式挖掘理解为一个优化分割问题。采用推广G-P(Grassberger-Procaccia)算法计算股票时间序列数据集的多重分形... 展开更多; 关键词数据挖掘离群模式挖掘分型理论股票时序数据; 在线阅读下载PDF 职称材料

基于离群特征模式的股市波动预测模型被引量：2: 2; 作者王浩陈娟 +1 位作者姚宏亮李俊照《计算机工程与应用》 CSCD 2014年第22期243-249,共7页; 由于股票价格波动具有较强的突变性且易受外界因素影响,导致股票价格走势难以预测。提出基于离群特征模式的股市波动预测模型(SFSVM)。该算法首先利用马尔可夫毯选取目标结点的局部网络结构,以屏蔽其他结点对目标结点的影响;对目标结点... 展开更多; 关键词离群特征模式支持向量机马尔可夫毯先验知识; 在线阅读下载PDF 职称材料

离群数据之间模式相似性的分布式挖掘: 3; 作者唐锐《计算机工程与应用》 CSCD 北大核心 2007年第9期174-175,230,共3页; 提出了分布式系统中各站点离群数据之间模式相似性挖掘算法,该算法首先利用基于距离的离群数据挖掘算法挖掘各自站点的离群数据,然后计算离群数据的知识集,最后依据各站点知识集的分布情况来判断离群数据之间的类别相似性和行为相似性。; 关键词离群数据挖掘分布式挖掘离群数据的模式相似性; 在线阅读下载PDF 职称材料

基于时序离群检测的新的分段方法被引量：3: 4; 作者薛安荣何伟华《计算机工程与设计》 CSCD 北大核心 2007年第20期4875-4877,共3页; 在对时序数据进行离群检测之前,一般先将原时序数据划分为若干个子序列,以便降低计算复杂度。现有的子序列划分方法一般是依据应用要求进行,而在某些情况下应用要求无法转换为有效的子序列划分方法。因此,提出从时序数据自身特点出发,... 展开更多; 关键词时序数据突变系数重要点分段离群模式; 在线阅读下载PDF 职称材料

题名基于分形理论的股票时序数据离群模式挖掘研究被引量：4: 1; 作者孙金花冯英浚胡健; 机构哈尔滨工业大学管理学院哈尔滨工业大学技术.政策.管理(TPM)研究中心; 出处《运筹与管理》 CSCD 2008年第5期135-140,共6页; 基金国家自然科学基金资助项目(70571019 70771031) +2 种基金哈尔滨工业大学技术政策管理国家哲学社会科学创新基地基金; 文摘针对股票时间序列的特点,从离群点对股票时序数据有序性的影响角度出发,在界定分形离群点含义的基础上,利用分形理论将离群模式挖掘理解为一个优化分割问题。采用推广G-P(Grassberger-Procaccia)算法计算股票时间序列数据集的多重分形广义维数,并利用贪婪算法的思想设计了FT-Greedy算法来求解基于分形理论的时间序列离群模式挖掘优化问题的解集。实验证明,该方法能有效地解决股票时间序列离群模式挖掘问题。; 关键词数据挖掘离群模式挖掘分型理论股票时序数据; Keywords data mining outlier pattern mining fractal theory stock time series; 分类号 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

题名基于离群特征模式的股市波动预测模型被引量：2: 2; 作者王浩陈娟姚宏亮李俊照; 机构合肥工业大学计算机与信息学院; 出处《计算机工程与应用》 CSCD 2014年第22期243-249,共7页; 基金国家自然科学基金(No.61175051 No.61070131 No.61175033); 文摘由于股票价格波动具有较强的突变性且易受外界因素影响,导致股票价格走势难以预测。提出基于离群特征模式的股市波动预测模型(SFSVM)。该算法首先利用马尔可夫毯选取目标结点的局部网络结构,以屏蔽其他结点对目标结点的影响;对目标结点的指标进行分析,提取异于一般行为的离群特征模式;利用滑动窗口捕捉离群特征,将离群特征模式作为先验知识加入原SVM模型,预测尖峰点并平滑尖峰点对于预测结果的影响,提高预测模型的稳健性。在股票板块数据上进行实验结果证明,SFSVM算法相对于神经网络和标准的SVM算法,在股票的走势预测方面有更好的预测效果。; 关键词离群特征模式支持向量机马尔可夫毯先验知识; Keywords characteristics of outliers model Markov Blanket prior knowledge; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名离群数据之间模式相似性的分布式挖掘: 3; 作者唐锐; 机构南京师范大学数学与计算机科学学院; 出处《计算机工程与应用》 CSCD 北大核心 2007年第9期174-175,230,共3页; 基金江苏省自然科学基金(the Natural Science Foundation of Jiangsu Province of China under Grant No.BK2005135)。; 文摘提出了分布式系统中各站点离群数据之间模式相似性挖掘算法,该算法首先利用基于距离的离群数据挖掘算法挖掘各自站点的离群数据,然后计算离群数据的知识集,最后依据各站点知识集的分布情况来判断离群数据之间的类别相似性和行为相似性。; 关键词离群数据挖掘分布式挖掘离群数据的模式相似性; Keywords outliered mining distributed mining pattern similarity of outliers; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于时序离群检测的新的分段方法被引量：3: 4; 作者薛安荣何伟华; 机构江苏大学计算机科学与通信工程学院; 出处《计算机工程与设计》 CSCD 北大核心 2007年第20期4875-4877,共3页; 基金江苏省高校自然科学基金项目(05KJB520017); 文摘在对时序数据进行离群检测之前,一般先将原时序数据划分为若干个子序列,以便降低计算复杂度。现有的子序列划分方法一般是依据应用要求进行,而在某些情况下应用要求无法转换为有效的子序列划分方法。因此,提出从时序数据自身特点出发,得到突变系数和重要点,依据重要点和突变系数的新的划分方法,并以微软的股票数据进行测试。实验结果表明,分段方法不依赖于应用要求,具有简单、直观的特点,与相关算法相比,具有更高的检测精度。; 关键词时序数据突变系数重要点分段离群模式; Keywords temporal data breaking factor important point segment outlying patterns; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料