排序方式: 共有68条查询结果,搜索用时 15 毫秒
1.
股票市场的波动性一直是金融领域的一个研究重点,行业因素对股市波动性的影响也是投资者关注的一个焦点.从复杂网络视角出发,以行业内股票相关性强弱(RIL)为指标实证研究了行业因素与股票波动性之间的联系.研究发现不同行业的RIL指标有不同的参考标准,于是对原有的RIL指标进行了改进得到新指标RIL*.在以沪深300样本股为例的实证研究中发现采矿业、金融业和房地产业内的股票受行业因素影响最强.研究还发现股票网络结构变化和股市波动性之间存在联系,当行业因素影响急剧降低时,行业内的股票走势会猛烈上升或下降. 相似文献
2.
我国电力电子技术处在不断发展中,对于能源节约以及绿色电源技术领域都有着很重要的利用价值,它逐渐的发展成为了电气工程学科中最活跃和最重要的一个分支,电力电子技术领域中有很多研究的热点,本文就针对这些研究的热点进行分析。 相似文献
3.
4.
为建立一种快速无损检验区分塑料拖鞋鞋底的方法,利用显微共聚焦激光拉曼光谱仪采集了43个不同来源的塑料拖鞋鞋底样本的拉曼光谱图。拉曼数据经主成分分析降维后提取特征矩阵,对得到的特征矩阵进行系统聚类,建立Fisher判别函数对系统聚类的结果进行评价。最终构建径向基函数神经网络(RBFNN)实现对样本的鉴别分类,并绘制接受者操作特征曲线用以评估诊断价值。结果表明:拉曼数据提取出的特征矩阵经系统聚类被分为4组,Fisher判别分析经交叉验证后准确率为97.7%,径向基函数神经网络的准确率为100%。该方法实现了对样本快速无损的分类及预测,模型结构准确,可以为公安实际办案提供一种新思路。 相似文献
5.
6.
为实现对汽车灯罩的快速无损、高效便捷的分类及预测,提出一种基于差分拉曼光谱结合机器学习对灯罩的可视化鉴别方法。利用差分拉曼光谱仪对32个品牌、9种车型共计46种汽车灯罩样品进行了检测,得到了样品的差分拉曼光谱图。对光谱数据先进行主成分分析降维,用提取到的5个PCA对样品进行自组织映射(SOM)聚类,同时对聚类结果可视化处理,再结合多元无序logistic回归、可优化支持向量机(SVM)对样品进行分类预测。46个样品被分为7类,多元无序logistic回归、可优化支持向量机的准确率皆为100%,实现了对样品的分类及预测。差分拉曼光谱准确高效,谱峰尖锐清晰,可以分析样品的主要成分及填料。SOM函数分类效果较好,所建立的分类模型可以精准地对不同来源汽车灯罩样品进行区分及归属预测,为汽车灯罩物证溯源提供了一种新的思路和技术手段。 相似文献
7.
8.
9.
10.
无线定位是车联网中各应用的基础,对实时性和精度要求更高。基于此,本文提出了一个在WAVE系统下基于混合高斯模型的位置指纹定位算法。该算法由离线训练和在线定位两部分组成,采用GMM对离线训练阶段的指纹数据库进行聚类建模处理,并在定位阶段对结果采用多点均值方法,不仅降到了系统定位误差,也减少了定位阶段的运算量,提高了定位的实时性。实验结果表明,该算法有较好的定位精度和实时性,为WAVE环境下的快速定位进一步研究提供有效参考价值。 相似文献