排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
GA-SVM对上证综指走势的预测研究 总被引:1,自引:0,他引:1
将支持向量机和遗传算法结合,建立了一种智能数据挖掘技术(GA-SVM),并用于对上证综指市场走势进行了探索.在这个混合的数据挖掘方法中,GA用于RBF参数的设定以及特征集的选择,从而智能的找到SVM的最佳参数,减少SVM特征值的复杂度,提高了SVM算法速度.SVM用于判断未来股票市场的走势,并与统计模型、时间序列模型方法、神经网络进行了对比.实验证明,GA-SVM优于其他几种方法,这种方法对于股票上涨或下跌的预测研究是有效的. 相似文献
3.
PowerBuilder中单数据窗口只能更新一个表,目前常用的解决方法是编写函数实现基于单数据窗口的两表更新,当表的数目增加时又需要重新编程或重复调用函数.为克服该局限性,对其进行了改进,通过建立全局函数实现单数据窗口的多表更新,提高了代码的可重用性和可维护性,通过向函数传递不同的参数,使程序不必受制于数据库表的个数和名称,体现其通用性,从而使PowerBuilder应用程序的报表更新技术更完善,更灵活. 相似文献
1