机读格式显示(MARC)

• 000 01593nam0 2200265 450

• 001 0000566204

• 005 20220923142100.0

• 010 __ |a 978-7-5504-4864-3 |d CNY68.00

• 100 __ |a 20210812d2021 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 510000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 模糊机会约束最小二乘双支持向量机算法及其在金融市场应用的研究 |A mo hu ji hui yue shu zui xiao er cheng shuang zhi chi xiang liang ji suan fa ji qi zai jin rong shi chang ying yong de yan jiu |f 韩仁杰, 李然著

• 210 __ |a 成都 |c 西南财经大学出版社 |d 2021

• 215 __ |a 156页 |c 图 |d 24cm

• 314 __ |a 韩仁杰, 1989年出生, 博士, 重庆工商大学经济学院经济系讲师。李然, 1981年出生, 博士, 重庆工商大学经济学院经济系副教授。

• 320 __ |a 有书目 (第115-127页)

• 330 __ |a 本书通过机会约束规划和模糊隶属度, 给出了一种全新的模糊机会约束最小二乘双支持向量机, 能够有效地测量数据噪声。此外, 本书通过获取移动端和PC端的关键词百度搜索量, 发现搜索时的行为及注意力集中度存在异质性。同时基于关键词百度搜索量, 使用多种算法对金融市场波动进行了预测, 并对算法精度进行了比较。流形学习理论作为一种高维非线性特征提取方法, 正成为机器学习领域应用研究的热点, 尤其在发现高维金融数据 (上市公司财务数据、上证指数数据等) 的低维表示应用中展现了良好的算法效果。本书通过对测地距离与欧式距离进行假设, 从理论上论证了使用欧式距离会达到Is0MAP算法类似效果, 同时能够降低算法复杂度。

• 606 0_ |a 向量计算机 |A xiang liang ji suan ji |x 算法理论 |x 应用 |x 金融市场 |x 研究

• 690 __ |a F830 |v 5

• 701 _0 |a 韩仁杰, |A han ren jie |f 1989- |4 著

• 701 _0 |a 李然, |A li ran |f 1981- |4 著

• 801 _0 |a CN |b LIB |c 20220923

• 905 __ |a LIB |d F830/319