KPCA算法及其在股市中的应用

摘要：

主成份分析法是用于简化数据的一种技术,现实世界中的数据复杂且庞大,对于某些复杂数据就可应用主成分分析法对其进行简化.文中着重介绍了健壮性KPCA算法并引入了粒度的思想,健壮性KPCA算法能推导出特征空间中信号重组的最小错误标准,并自动识别训练样本集中的无关数据,且经过计算消除它们对KPCA算法准确度的影响.可以将其应用于股票数据中,并将所得的主分量图与原图比较,发现效果明显,由此可看出KPCA算法是一种相当有用的算法.

关键词：主成份分析、健壮性KPCA、样本集

所属期刊栏目：14

分类号：TP301.6(计算技术、计算机技术)

资助基金：安徽省教育厅自然科学基金2003KJ007

在线出版日期：2004-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：129-131