摘要:
基于Gauss过程机器学习算法, 通过分析股票样本的历史数据噪声问题, 给出相应的股票样本数据回归预测模型, 解决了股票异常数据的检测问题; 并用蚁群算法, 解决了Gauss过程机器学习算法的参数自适应问题. 实验结果表明, 该算法与其他算法相比, 可在保证近似准确性的基础上, 大幅度提高计算效率, 提升用户满意度.
中图分类号:
杜占玮, 杨文, 杨永健, 肖敏, 白媛. 股票异常波动检测的自适应Gauss过程算法[J]. J4, 2012, 50(06): 1228-1232.
DU Tie-Wei, YANG Wen, YANG Yong-Jian, XIAO Min, BAI Yuan. Stock Abnormal Fluctuation Detection Algorithm Based onAdaptive Gaussian Process Machine Learning[J]. J4, 2012, 50(06): 1228-1232.