经验模态分解方法(EMD)在数据挖掘中的应用

• 作者: 刘政怡 戈明东 李炜 许方芳
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 经验模态分解方法 本征模函数 多层反馈神经网络
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 36-38
• 页数: 3页
• 分类号: TP311
• 字数: 2725字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2008.04.011

摘要

股市数据无时无刻不在变化,然而带有明显的时序性.从直观上说,数据值的变化直接受到时间参数的影响,因此直接利用原始数据不仅简单明了,而且容易发现数据瞬时变化的特性.本文阐述了经验模态分解(EMD)方法的原理和思想,利用经验模态分解方法在提取数据时存在的优势,解决了在股票预测时由于数据量大不利于判断股票走势的问题.我们把经验模态方法和多层反馈神经网络FP算法相结合对现实中的股票数据进行相似模式匹配,简化股票趋势预测的复杂性,为股市的预测提供了一种简单有效的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李炜	安徽大学计算机科学与技术学院	69	399	12.0	14.0
2	刘政怡	安徽大学计算机科学与技术学院	50	241	9.0	12.0
3	许方芳	安徽大学计算机科学与技术学院	2	8	2.0	2.0
4	戈明东	安徽大学计算机科学与技术学院	2	8	2.0	2.0