-
题名基于神经网络集成学习股票预测模型的研究
被引量：27
- 1
-
-
作者
谢琪
程耕国
徐旭
-
机构
武汉科技大学信息科学与工程学院
格勒诺布尔高等商学院高等商业学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第8期238-243,共6页
-
基金
国家自然科学基金(No.61773297
No.61702381
No.61602351)
-
文摘
基于深度学习的原理构建出六层长短记忆神经网络,通过集成学习中Bagging方法组合8个长短记忆神经网络。使用基于神经网络集成学习模型预测中国人民币普通股市场。实验测试了从2012年1月4日到2017年12月29日这期间的上海证券综合指数、深圳证券综合指数、上证50指数、沪深300指数、中小企业板指数和创业企业板指数。实验结果为模型的准确率达到58.5%,精确率为58.33%,召回率为73.5%,F1值为64.5%,AUC值为57.67%,取得了较好的预测效果。
-
关键词
长短记忆神经网络
装袋算法
股票
准确率
精确率
-
Keywords
Long Short-Term Memory (LSTM)
bagging
stock
accuracy
precision
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于新的森林优化算法的特征选择算法
被引量：3
- 2
-
-
作者
谢琪
徐旭
程耕国
陈和平
-
机构
武汉科技大学信息科学与工程学院
格勒诺布尔高等商学院高等商业学院
-
出处
《计算机应用》
CSCD
北大核心
2020年第5期1266-1271,共6页
-
基金
国家自然科学基金资助项目(61702381,61602351)。
-
文摘
针对传统的基于森林优化算法的特征选择算法在初始化阶段、候选森林生成阶段和更新阶段存在的问题,提出了一种新的基于森林优化算法的特征选择算法。该算法在初始化阶段采用皮尔森相关系数和L1正则化方法代替随机初始化策略;在候选森林生成阶段,采用优劣树分开和差额补足的方法解决优劣树不完备问题;在更新阶段,将与最优树精度相同但维度不同的树木添加到森林中。在实验中,所提算法采用与传统的基于森林优化算法的特征选择算法相同的实验数据和实验参数,分别测试了小维度、中维度和大维度数据。实验结果表明,在2个大维度数据和2个中维度数据上,所提算法的分类精度和维度缩减能力均高于传统的基于森林优化算法的特征选择算法。实验结果验证了所提算法在处理特征选择问题的有效性。
-
关键词
特征选择
L1正则化
候选森林
更新机制
森林优化算法
-
Keywords
feature selection
L1 regularization
candidate forest
updating mechanism
forest optimization algorithm
-
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
-
