KPCA算法及其在股市中的应用

• 作者: 张媛 张燕平 赵姝 陈传明
• 来源期刊: 微机发展
• 学科: 工学
• 关键词: 主成份分析 健壮性KPCA 样本集
• 年，卷（期）: 2004,（12）
• 所属期刊栏目: 理论与算法研究
• 页码范围: 129-131
• 页数: 3页
• 分类号: TP301.6
• 字数: 1556字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2004.12.044

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张燕平	安徽大学人工智能研究所	148	1556	21.0	32.0
2	赵姝	安徽大学人工智能研究所	82	555	13.0	19.0
3	张媛	安徽大学人工智能研究所	21	177	7.0	13.0
4	陈传明	安徽大学人工智能研究所	8	89	4.0	8.0