一种基于流特征模式的股市跟踪预测算法

由于股市波动的突发性、多变性,且时序数据呈非正态分布,传统的时序预测模型难以有效预测股市。提出了一种基于流特征模式的股市跟踪预测算法(SFM-PG),该算法根据股票之间的相关性构建贝叶斯网络,选取目标股票的马尔科夫毯作为其同辈群体,然后基于同辈群体之间的接近度,给出一种窗口跟踪式预测模型,其通过对同辈群体权重的动态更新进行跟踪式预测,以减少股票数据分布非正态性对预测的影响;进而,使用滑动窗口提取时序数据中的特征并形成流特征,通过与模式知识库的匹配提取流特征模式,并利用与流特征模式对应的知识调整预测结果,以减少由于突变所引入的预测误差。最后,在上证股票板块网络上的实验结果显示了算法的实用性和有效性。     

基于双重预测模型的非线性时间序列预测

在支持向量机( SVM)预测问题中,为了减小错误参数选取对预测结果的影响,提出了1种基于双重预测模型的非线性时间序列预测算法.该算法在充分考虑支持向量机参数对推广能力影响的基础上,分别利用自回归预测模型(AR)、自回归滑动平均模型( ARMA)、线性回归和决策树模型对SVM参数进行预测,将预测参数运用到SVM预测模型中...     

基于AR模型的二维自适应提升小波变换算法

研究先更新再预测的经典自适应提升小波算法,提出一种基于自回归(AR)模型的二维自适应提升小波变换算法。根据图像局部特性选择自适应更新算子,利用更新后的系数位置关系给出基于AR模型的预测算子,使预测误差功率最小。实验结果表明,与使用最小均方误差标准的自适应预测算法相比,该算法能够降低高频系数能量,且峰值信噪比也有所提高。     

AR场景中的基础态势数据展示与优化

随着增强现实(AR)设备的发展,增强态势已经成为其主要应用点.由于AR设备计算能力和图像处理能力的不足,存在场景生成速度慢和视野狭窄等问题.基于AR设备上的态势信息显示应用和设备地理信息场景显示功能的实现,本文对地形分块化算法进行优化,并提出一种自适应Mesh区域化算法来解决上述问题.对所提出的算法、传统地形生成算法和...     

稀疏原子分解算法在AR模型参数估计中的应用

针对自回归(Autoregressive,AR)模型阶数和系数的估计问题,提出一种基于稀疏表示的原子分解新算法。首先,根据AR模型自相关函数特征构造一个过完备稀疏字典;其次,针对含噪观测信号,通过引入松弛变量,建立关于AR模型特征根稀疏恢复的优化模型;最后, 将定阶和参数估计问题转化为求解稀疏最优基问题,并提出一种改进的变尺度变换算法来求解该优化问题。实验结果表明,无论是对模拟信号,还是真实的脑电信号,该算法在定阶和系数估计两方面均优于传统估计方法,具有更好的预测精度和鲁棒性。     

一种传感器网络实时自适应数据抑制算法

传感器网络中能量至关重要.提出一个利用限定记忆迭代最小二乘法,基于AR(n)自回归模型的实时、自适应数据抑制算法.限定记忆迭代最小二乘法适合在传感器节点内存受限、计算能力有限的情况下完成AR(n)参数估计的任务.模拟实验表明,使用该算法可以很好地抑制感知数据传送到网外,减少了连续查询的约80%的网内通信量.     

可预测的动态联盟协同跟踪机制研究

针对无线传感器网络单目标跟踪系统,分析了基于任务触发的动态联盟协同跟踪机制中目标丢失率产生的根本原因,即目标到来后才开始组建联盟.为减小目标丢失率,为提高预测精度,提出在动态联盟跟踪机制中加入预测算法,提前预知目标下一周期将到达的位置,从而提前组建动态联盟,可有效减小目标的丢失率.并设计了一种基于自回归滑动平均模型,即混合模型的预测算法,进行仿真实验,并与理论上分析比较,算法预测精度高、耗能小、计算量适中的优点.仿真证明,加入预测算法对动态联盟协同跟踪过程进行的有效性和必要性.     

基于PSO_SVR的网络安全态势预测方法

针对网络安全态势感知中的态势预测问题,提出一种基于PSO_SVR的网络安全态势预测方法。该方法将支持向量回归机(SVR)嵌入到粒子群优化算法(PSO)的适应度计算过程中,利用PSO算法的全局搜索能力来优化选取SVR的参数,在一定程度上提升了SVR的学习能力和泛化能力。仿真实验表明,通过与已有的其他预测方法作对比,该方法具有更好的预测效果。     

差异化隐私预算分配的线性回归分析算法

针对用差分隐私方法进行线性回归分析敏感性偏大的问题,提出一种差异化的隐私预算分配算法Diff-LR(Differential Privacy Linear Regression)。该算法首先把目标函数分解成两个子函数,再分别计算两个子函数的敏感性、分配合理的隐私预算,并采用拉普拉斯机制给两个子函数系数添加噪音。然后对子函数进行组合,得到添加噪声后的目标函数,求取最优线性回归模型参数。最后利用差分隐私序列组合特性从理论上证明该算法满足ε-差分隐私。实验结果表明,Diff-LR算法产生的线性回归模型具有很高的预测准确性。     

改进模糊自回归模型在预测网络接通率中的应用

针对通信网络中性能指标预测的需要,提出了基于改进的模糊自回归模型的接通率预测方法,研究了拟合度门限自适应的模糊自回归模型。将中值滤波应用于模糊自回归模型的数据预处理中,在此基础上,针对部分应用拟合度门限不明确的特点,将拟合度门限计算式加入预测模型中,实现模型拟合度门限的自适应。仿真实验表明：基于Fuzzy AR模型的预测方法可以用于对接通率的预测,预测结果拟合度较高。     

基于蚁群优化算法的云数据库动态路径规划

云计算是下一代计算网络模型的发展趋势。云中的存储资源如何快速地路由,更是研究的难点。蚁群算法是基于群体的仿生优化算法,具有智能搜索、全局优化、鲁棒性、分布式计算和容易与其他算法相结合等优点。根据这两种事物的特点,提出了合理的结合算法,该算法能够在云中快速、合理地找到所需访问的数据库,减少云数据库数路由的动态负荷,从而很大程度上提高云计算的效率。     

基于能量计算模型的贝叶斯网络股市态势预测算法

股市技术指标与股市走势之间存在不一致性,导致难以有效预测股市态势.文中通过对技术指标进行能量特性提取和特征融合,提出基于能量计算模型的贝叶斯网络股市态势预测算法.首先从能量角度提取技术指标蕴含的态势信息,给出技术指标能量计算模型及其概率分布,并分析技术指标能量分布的不一致性.然后利用贝叶斯网络对技术指标能量进行特征融合,引入分时状态特征能量,并融合技术指标能量,建立股市态势结构模型.最后基于股市态势与相关特征能量之间的条件概率函数,将能量约束关系引入到支持向量机中进行股市态势预测.选取上海证券综合指数3年的数据进行对比和分析,结果表明文中算法有效提升预测精度.     

并行计算水下大尺度弹性壳体的低频声散射

有限元与边界元耦合模型是研究水下弹性壳体目标低频声散射常用的数值方法。应用该模型计算大尺度弹性目标的声散射时需要大量的计算时间与存储空间,采用并行数值的方式可以解决这一问题。首先并行计算生成有限元矩阵和边界元矩阵,然后应用并行化的广义极小残差(GMRES)迭代算法求解大型非对称线性方程组。详细叙述了并行GMRES(m)迭代算法的执行过程,并以球壳的声散射计算为例分析了迭代步数对算法收敛情况的影响。最后计算了Benchmark目标模型的低频散射声场,分析了其收发分置散射目标强度以及表面声场的分布。     

K线能量计算的股市生命期态势预测方法*

股市中K线特征是股价涨跌的因果信息,基于支持向量机（SVM）的股价预测模型没有考虑K线特征知识,对于股价态势难以有效预测。本文提出基于K线能量计算的股市生命期支持向量机态势预测算法（LPF-SVM）。首先,提取典型K线特征,通过引入特征的孕育成熟度和爆发力定义,给出K线特征支持向量机算法（KLF-SVM）;进而,在KLF-SVM算法基础上定义特征的能量计算模型,给出一种K线能量计算的SVM股价预测算法。为了有效地预测态势,引入股价波动的生命期概念,通过K线组合特征判定股价所处的生命期的阶段,进而结合生命期阶段之间的时序影响关系,给出一种基于生命期的股价态势预测算法。在上证和深证数据集上的实验结果表明,LPF-SVM算法对于股价上升波段和下跌波段的股价预测取得了很好的效果。     

Adaptive Fuzzy-GARCH model applied to forecasting the volatility of stock markets using particle swarm optimization

Fluctuations in the stock market follow the principle of volatility clustering in which changes are cataloged by similarity; as such, large changes tend to follow large changes, and small changes tend to follow small changes. This clustering is one of the major reasons why many generalized autoregression conditional heteroscedasticity (GARCH) models do not forecast the stock market well. In this paper, an adaptive Fuzzy-GARCH model with particle swarm optimization (PSO) is proposed to solve this problem.The adaptive Fuzzy-GARCH model refers to both GARCH models and the parameters of membership functions, which are determined by the characteristics of market itself. Here, we present an iterative algorithm based on PSO to estimate the parameters of the membership functions. The PSO method aims to achieve a global optimal solution with a rapid convergence rate. The three stock markets of Taiwan, Japan, and Germany were analyzed to illustrate the performance of the proposed method.     

基于相机模型投影的多目标三维人体跟踪算法

针对基于二维目标检测和卡尔曼滤波的多目标人体跟踪算法在视频拍摄角度不定的情况下,检测算法生成不同角度人体二维检测框的朝向和尺度混淆以及卡尔曼滤波器随机初始化造成的初始跟踪误差逐步放大问题,提出一种基于相机模型投影的多目标三维人体跟踪算法.在人体检测阶段,提出Multi-task RCNN(MTRC-NN)网络,使用人体...     

基于并行约束规划的最大团识别研究

为提高大数据平台下大规模图例的最大团问题求解效率,提出一种基于并行约束规划的最大团识别算法.通过BMT图划分策略将一个复杂图例分割为若干个可独立计算的子图,并将其分配给Spark集群中的计算节点,每个计算节点采用约束规划方法对分割产生的子问题分别进行建模和求解,实现最大团问题的并行化处理.引入时间预测模型,设计基于任务运行时间预测模型的并行图划分方法,从而有效解决计算节点的负载均衡问题.实验结果表明,与基于BMC图划分策略的最大团并行识别算法相比,该算法具有更高的求解效率,可取得近似线性的加速比.     

Stock fraud detection using peer group analysis

This study proposes a method to detect suspicious patterns of stock price manipulation using an unsupervised data mining technique: peer group analysis. This technique detects abnormal behavior of a target by comparing it with its peer group and measuring the deviation of its behavior from that of its peers. Moreover, this study proposes a method to improve the general peer group analysis by incorporating the weight of peer group members into summarizing their behavior, along with the consideration of parameter updates over time. Using real time series data of Korean stock market, this study shows the advantage of the proposed peer group analysis in detecting abnormal stock price change. In addition, we perform sensitivity analysis to examine the effect of the parameters used in the proposed method.     

基于离群特征模式的股市波动预测模型

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。     

A Multiple Model Tracking Algorithm Based on an Adaptive Particle Filter

The interacting multiple model based on a particle filter fails to meet the requirements of real‐time performance when manoeuvring target tracking by radar due to deficiencies in its high calculation complexity. An improved particle filter based on landscape adaptive particle swarm optimization is proposed. This filter adopts the method of updating inertia weight, using not only local information and global information, but also preventing algorithm trapping in a local optimum, so the filter can find the optimal solution with less iteration. Additionally, an improved tracking model is presented. With the help of systematic resampling, the model can figure out the model index of particles. The experimental results prove that the new tracking algorithm not only improves manoeuvring target tracking accuracy, but also decreases computing complexity.