基于粗糙集和动态模糊神经网络的股市预测研究

• 作者: 温光洒 王峥 邱秀连
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 股票预测 粗糙集理论 信息熵 动态模糊神经网络 分级学习
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 算法与分析
• 页码范围: 517-522
• 页数: 6页
• 分类号: TP183
• 字数: 5168字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.03.003

摘要

论文研究基于神经网络的股票预测方法,针对目前存在的问题,通过模糊理论与动态神经网络的结合提出一种更为适合现状的动态模糊神经网络DFNN(Dynamic Fuzzy Neural Network)股票预测模型.首先对采集的股票信息进行属性提取,然后利用粗糙集理论中的信息熵算法进行属性约简、删减冗余信息,最后用约简后的数据作为动态模糊神经网络的输入属性进行训练预测,并在算法模型中运用分级学习的思想,能在一定程度上实现预测某一只股票短期内大致走势的功能.实际操作中更能为股票的多重选择进行推荐,降低投资的风险,有着较高的实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王峥		9	18	3.0	3.0
2	温光洒		1	0	0.0	0.0
6	邱秀连		8	15	2.0	3.0