基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统股票预测中单点标记法的缺陷,提出了区域标记法,区域标记法可以为训练分类器提供更多有用信息,在一定程度上减轻了类别不平衡的问题,也更能满足实际任务的需求.同时,构建了一个RCS-T rader模型,该模型使用了代价敏感的支持向量机和FS度量进行优化,相比于传统股票预测方法,RCS-T rader模型的效果更好,投资回报率更高.
推荐文章
代价敏感支持向量机在入侵检测中的应用
代价敏感
支持向量机
入侵检测
基于支持向量机的代价敏感挖掘
分类
支持向量机
代价
基于时间序列的支持向量机在股票预测中的应用
支持向量机(SVM)
时间序列
股票预测
客户价值细分的代价敏感支持向量机方法
客户细分
客户价值
代价敏感学习
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于区域标记法的代价敏感支持向量机在股票预测中的研究
来源期刊 四川大学学报(自然科学版) 学科 工学
关键词 区域标记法 股票预测 支持向量机 代价敏感
年,卷(期) 2018,(2) 所属期刊栏目 计算机科学
研究方向 页码范围 277-282
页数 6页 分类号 TP391
字数 3529字 语种 中文
DOI 10.3969/j.issn.0490-6756.2018.02.011
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李旭伟 四川大学计算机学院 45 272 9.0 15.0
2 秦璐 四川大学计算机学院 3 9 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (45)
共引文献  (132)
参考文献  (14)
节点文献
引证文献  (8)
同被引文献  (30)
二级引证文献  (2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(6)
  • 参考文献(1)
  • 二级参考文献(5)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(7)
  • 参考文献(0)
  • 二级参考文献(7)
2014(9)
  • 参考文献(1)
  • 二级参考文献(8)
2015(5)
  • 参考文献(3)
  • 二级参考文献(2)
2016(6)
  • 参考文献(4)
  • 二级参考文献(2)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(4)
  • 引证文献(3)
  • 二级引证文献(1)
2020(4)
  • 引证文献(3)
  • 二级引证文献(1)
研究主题发展历程
节点文献
区域标记法
股票预测
支持向量机
代价敏感
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
四川大学学报(自然科学版)
双月刊
0490-6756
51-1595/N
大16开
成都市九眼桥望江路29号
62-127
1955
chi
出版文献量(篇)
5772
总下载数(次)
10
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导