排序方式: 共有6条查询结果,搜索用时 120 毫秒
1
1.
采用多分辨率分析技术将深证成指收盘数据序列分解为多个子序列,然后采用神经网络技术对每个子序列分别建立预测模型,将各个预测结果叠加后得到最终预测结果.研究首先发现多分辨率技术可以有效提高预测模型的预测精度,表明分析我国股市波动时应该按照不同因素对股市影响大小及周期的差异分别研究,才能更有效分析股市运行状况及对其预测;其次结果表明不同类型神经网络预测模型预测性能差异明显,在选择股市预测模型的神经网络类型时应该注意其学习算法及收敛过程,以便能更好捕获股市变化规律. 相似文献
2.
3.
试图探究动力系统中的耦合关系一直以来都是国内外众多学者关注的热点,传统的时间序列符号化分析方法会使研究结果受序列非平稳性的严重影响,本文在原有转移熵的研究基础上,应用粗粒化提取,经过理论与实验的分析,发现心脑电信号耦合研究中的转移熵值在不同提取情况下对应不同的分布趋势,并选择效果最好的信号数据提取方法用在其后的应用分析中. 此外,对时间序列符号化方法提出改进,采用动态的自适应分割方法. 实验结果表明,无论清醒期还是睡眠期,改进的符号转移熵算法观测分析到的心脑电信号耦合作用更显著,能更好的捕捉到信号中的动态信息、系统动力学复杂性的改变,更利于医学临床实践应用中的检测,在分析非平稳的时间序列上具有更好的效果.
关键词:
心脑电信号
粗粒化
符号转移熵
基本尺度 相似文献
4.
5.
6.
1