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
3
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
正则化训练的神经网络与粗集理论相结合的股票时间序列数据挖掘技术
被引量：
5
1
作者
王晓晔
王正欧
《电子与信息学报》
EI
CSCD
北大核心
2004年第4期625-631,共7页
论文提出将正则化神经网络与粗集理论相结合应用于股票时间序列数据库的数据挖掘.首先对时间序列数据库进行预处理,除去高频干扰信号,然后将股票时间序列数据按照收盘价的变化趋势分割成一系列静态模式,每种模式代表股票价格的一种行为...
论文提出将正则化神经网络与粗集理论相结合应用于股票时间序列数据库的数据挖掘.首先对时间序列数据库进行预处理,除去高频干扰信号,然后将股票时间序列数据按照收盘价的变化趋势分割成一系列静态模式,每种模式代表股票价格的一种行为趋势(上涨或下跌),把决定各种模式的相关属性组成一系列信息,形成一个适用于粗集方法的信息表.然后使用正则神经网络对信息表进行学习,用粗集理论从正则神经网络所存储的知识中抽取规则,得到的规则可以用于预测时间序列在未来的行为。该方法融合了正则神经网络优良的泛化性能和粗集理论的规则生成能力,实验表明,该方法预测效果比较准确。
展开更多
关键词
正则化训练
神经网络
粗集理论
数据挖掘
股票时间序列
在线阅读
下载PDF
职称材料
贝叶斯神经网络在股票时间序列预测中的应用
被引量：
11
2
作者
刘恒
侯越
《计算机工程与应用》
CSCD
北大核心
2019年第12期225-229,244,共6页
针对BP神经网络初始权值随机获取所导致的易陷入局部最优的问题,采用贝叶斯正则化(Bayesian Regularization,BR)算法改进传统BP神经网络模型。该算法在保证网络误差最小的前提下,通过历史数据的先验概率调整BP模型的适应度函数,使网络...
针对BP神经网络初始权值随机获取所导致的易陷入局部最优的问题,采用贝叶斯正则化(Bayesian Regularization,BR)算法改进传统BP神经网络模型。该算法在保证网络误差最小的前提下,通过历史数据的先验概率调整BP模型的适应度函数,使网络的泛化能力得到提升。在股票时间序列预测的实证性研究中表明,比传统BP模型在预测精度上提高42.81%。
展开更多
关键词
贝叶斯正则化
神经网络
股票时间序列
预测
在线阅读
下载PDF
职称材料
基于预测的序列异常数据挖掘
被引量：
6
3
作者
杨虎
王会琦
程代杰
《计算机科学》
CSCD
北大核心
2004年第4期117-119,146,共4页
本文中,我们分析了给定的股票时间序列。首先,基于稳定化时间序列,我们通过模型识别和估计.给出了一个初始模型,用以预测股票价格。然后,我们可通过股票检测来发现股票时间序列的异常点。最后,通过修正这些异常点,便可完善模型,逐步提...
本文中,我们分析了给定的股票时间序列。首先,基于稳定化时间序列,我们通过模型识别和估计.给出了一个初始模型,用以预测股票价格。然后,我们可通过股票检测来发现股票时间序列的异常点。最后,通过修正这些异常点,便可完善模型,逐步提高股票的预测精度。
展开更多
关键词
时间
序列
数据挖掘
预测
数据库
股票时间序列
在线阅读
下载PDF
职称材料
题名
正则化训练的神经网络与粗集理论相结合的股票时间序列数据挖掘技术
被引量：
5
1
作者
王晓晔
王正欧
机构
天津大学系统工程研究所
出处
《电子与信息学报》
EI
CSCD
北大核心
2004年第4期625-631,共7页
基金
国家自然科学基金(60275020)
河北省教委基金(401023)资助课题
文摘
论文提出将正则化神经网络与粗集理论相结合应用于股票时间序列数据库的数据挖掘.首先对时间序列数据库进行预处理,除去高频干扰信号,然后将股票时间序列数据按照收盘价的变化趋势分割成一系列静态模式,每种模式代表股票价格的一种行为趋势(上涨或下跌),把决定各种模式的相关属性组成一系列信息,形成一个适用于粗集方法的信息表.然后使用正则神经网络对信息表进行学习,用粗集理论从正则神经网络所存储的知识中抽取规则,得到的规则可以用于预测时间序列在未来的行为。该方法融合了正则神经网络优良的泛化性能和粗集理论的规则生成能力,实验表明,该方法预测效果比较准确。
关键词
正则化训练
神经网络
粗集理论
数据挖掘
股票时间序列
Keywords
Time series, Regularized Neural network, Data mining, Rough set
分类号
TP311.13 [自动化与计算机技术—计算机软件与理论]
TP183 [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
贝叶斯神经网络在股票时间序列预测中的应用
被引量：
11
2
作者
刘恒
侯越
机构
兰州交通大学电子与信息工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2019年第12期225-229,244,共6页
基金
甘肃省教育厅项目(No.2016B-027)
文摘
针对BP神经网络初始权值随机获取所导致的易陷入局部最优的问题,采用贝叶斯正则化(Bayesian Regularization,BR)算法改进传统BP神经网络模型。该算法在保证网络误差最小的前提下,通过历史数据的先验概率调整BP模型的适应度函数,使网络的泛化能力得到提升。在股票时间序列预测的实证性研究中表明,比传统BP模型在预测精度上提高42.81%。
关键词
贝叶斯正则化
神经网络
股票时间序列
预测
Keywords
Bayesian Regularization(BR)
neural network
stock time series prediction
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于预测的序列异常数据挖掘
被引量：
6
3
作者
杨虎
王会琦
程代杰
机构
重庆大学
出处
《计算机科学》
CSCD
北大核心
2004年第4期117-119,146,共4页
文摘
本文中,我们分析了给定的股票时间序列。首先,基于稳定化时间序列,我们通过模型识别和估计.给出了一个初始模型,用以预测股票价格。然后,我们可通过股票检测来发现股票时间序列的异常点。最后,通过修正这些异常点,便可完善模型,逐步提高股票的预测精度。
关键词
时间
序列
数据挖掘
预测
数据库
股票时间序列
Keywords
Outlier mining. Series date mining, Forecastment, AR model
分类号
TP311.13 [自动化与计算机技术—计算机软件与理论]
F830.91 [经济管理—金融学]
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
正则化训练的神经网络与粗集理论相结合的股票时间序列数据挖掘技术
王晓晔
王正欧
《电子与信息学报》
EI
CSCD
北大核心
2004
5
在线阅读
下载PDF
职称材料
2
贝叶斯神经网络在股票时间序列预测中的应用
刘恒
侯越
《计算机工程与应用》
CSCD
北大核心
2019
11
在线阅读
下载PDF
职称材料
3
基于预测的序列异常数据挖掘
杨虎
王会琦
程代杰
《计算机科学》
CSCD
北大核心
2004
6
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
