10.3778/j.issn.1002-8331.2009.30.067
粗糙集属性约简方法在股票预测中的应用研究
针对神经网络在股票预测中遇到的困难,在预测模型中引入粗糙集理论,提出一种基于粗糙集与神经网络相结合的预测方法,并根据基本遗传算法的弱点对其进行了改进.首先,介绍了基于遗传算法的属性约简方法,对各遗传因子进行改进.然后,采用基于改进遗传算法的属性约简方法对模型的样本数据进行约简,删除冗余数据,得到样本输入的最小约简.最后,利用约简后的样本对预测模型进行训练与检验.实验结果表明,该方法具有较高的预测精度,能有效地解决网络结构复杂、学习速度缓慢等问题.
粗糙集理论、属性约简、RBF神经网络、遗传算法、股票预测
45
TP391.4(计算技术、计算机技术)
教育部留学回国科研基金the Education Ministry Returned Qualified Scientific Research Foundation of China under Grant 0212498
2009-12-04(万方平台首次上网日期,不代表论文的发表时间)
共4页
227-229,236