-
题名基于小波分析与分形理论的股价预测方法研究
被引量：1
- 1
-
-
作者
刘海波
易东云
-
机构
国防科学技术大学理学院系统科学与数学系
-
出处
《统计与咨询》
2006年第5期16-17,共2页
-
文摘
近年来兴起的分形市场假说,在非线形系统理论的框架中讨论金融市场的有效性和波动特性,为金融时间序列的预测提供了全新的视角.其理论核心就是将市场中的不同类型的投资者针对其自身特点区别对待,而小波方法,就可以将金融时间序列按照不同尺度进行分解,使得每一部分都对应于不同类型投资者,并且针对各个部分自身的特点分别进行研究.近年来,众多学者都致力于这方面的探索.Mallat、Daubechies、Meyer等人的有关小波分析的文章提出了多分辨分析的概念,为下一步成功与用于金融领域打下了良好的基础,1995年Ramsey将小波用于分析投机资产的标度性质,Cao将小波分析与混沌中的重构像空间理论相结合,将复杂性理论的有关思想创造性地运用于股市的多分辨分析中,取得不错的效果.……
-
关键词
横向比较
分形理论
深证综合指数
深证综指
小波分解
深证成指
小波分析
上证综指
小波序列
MAPE
-
分类号
F830.91
[经济管理—金融学]
F224
[经济管理—国民经济]
-
-
题名高维数据挖掘中基于稀疏回归的嵌入式特征提取方法
被引量：1
- 2
-
-
作者
林书亮
-
机构
国防科学技术大学理学院系统科学与数学系
-
出处
《中国西部科技》
2013年第12期25-27,共3页
-
基金
<弱监督特征学习>课题的其中的研究内容
受国家自然科学基金赞助
-
文摘
特征提取是高维数据降维的常用方法之一,特征提取的效果会直接影响后续处理方法的性能。本文提出了联合嵌入学习与稀疏回归进行特征提取的方法,在采用图的拉普拉斯变换描述数据特征的同时,添加了L2,1标准化稀疏约束进行特征选择。此外,本文还包括这种方法的收敛性,计算复杂度的分析,并在典型图像和生物实测数据上开展了方法验证,实验结果表明,该方法能有效地提取出所需的特征,且具有很高的准确率。与传统的非监督的特征提取方法相比,本文提出的方法综合了嵌入学习与稀疏回归的优点。
-
关键词
关键词
高维数据
特征提取
嵌入学习
稀疏回归
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名联合L_(2,1)范数正则约束的特征选择方法
被引量：1
- 3
-
-
作者
林书亮
-
机构
国防科学技术大学理学院系统科学与数学系
-
出处
《科技与企业》
2013年第24期383-384,共2页
-
文摘
本文中,我们提出了一种新颖的特征选择算法,将L2,1范数正则项合并到一块进行非监督特征选择。L2,1范数正则项通过作用在转移矩阵上使得对所有样本数据进行特征选择,本文还包括这种方法的收敛性以及计算复杂度的分析。最后运用我们的算法进行聚类分析,在典型实测数据上开展了方法验证,实验结果表明,该方法能有效地选择出所需的特征,且具有很高的准确率。
-
关键词
特征选择
L2
1范数正则
邻域保持映射
稀疏回归
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
