辛治运
- 作品数：4 被引量：61H指数：2
- 供职机构：清华大学信息科学技术学院计算机科学与技术系更多>>
- 发文基金：国家重点基础研究发展计划国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术经济管理更多>>
- 基于最小二乘支持向量机的复杂金融时间序列预测被引量：56
- 2008年
- 为了解决神经网络算法预测海量金融时间序列数据会出现训练速度慢,内存开销大等问题,提出一种基于最小二乘支持向量机的复杂金融数据时间序列预测方法。该方法将传统的支持向量机中的不等式约束改为等式约束,且将误差平方和的损失函数作为训练集的经验函数,这样把二次规划问题转化为求解线性方程组问题,提高求解问题的速度和收敛精度。实验中以证券指数为实验数据,对大批量金融数据进行了时间序列预测,相比于神经网络预测方法,该方法在大批量金融数据时间序列预测的训练时间、训练次数和预测误差上都有了明显提高,对复杂金融时间序列具有较好的预测效果。
- 辛治运顾明
- 关键词：金融数据时间序列预测支持向量机
- 基于粗糙集理论的金融信息推荐算法研究
- 信息推荐是根据用户需求为用户主动推荐相关内容的一种信息服务的技术,现有的信息推荐技术更多地从全局信息空间为用户提供通用的信息服务,而特定领域信息内容结构、用户需求、服务模式、推荐算法等都有很大差异,与领域信息服务相关的个...
- 辛治运顾明马兆丰
- 关键词：粗糙集资源分类用户需求金融信息服务
- 文献传递
- 基于粗糙集理论的金融信息推荐算法研究
- 2007年
- 信息推荐是根据用户需求为用户主动推荐相关内容的一种信息服务的技术,现有的信息推荐技术更多地从全局信息空间为用户提供通用的信息服务,而特定领域信息内容结构、用户需求、服务模式、推荐算法等都有很大差异,与领域信息服务相关的个性化推荐方法是推荐质量的重要保证.针对金融领域信息服务的特点提出一种基于粗糙集的金融信息推荐算法,将粗糙集算法和内容过滤技术结合起来实现金融信息推荐.首先进行基于粗糙集的资源分类,包括数据预处理、特征值提取、属性约简、规则的生成、分类结果产生等步骤.然后在资源分类的基础上进行特定领域信息推荐.实验证明,推荐算法的效率比较高,比基于普通分类的信息推荐算法在查全率和查准率上都有较大改进,能很好地为某些特定领域的用户提供比较准确的推荐信息.
- 辛治运顾明马兆丰
- 关键词：粗糙集资源分类信息推荐
- 服务于定向信息推荐的模糊聚类协同推荐算法被引量：5
- 2007年
- 面对金融领域信息量和用户数量的不断增加,现有的金融信息推荐算法不能很好地满足金融用户的信息需求,推荐结果的及时性和准确性有待进一步提高。在分析现有协同推荐算法的基础上,本文提出了金融信息模糊聚类协同推荐算法,将模糊聚类和协同推荐算法相结合,以用户-项目评价矩阵为研究基础,对有相似信息需求兴趣的用户进行模糊聚类,用户组群的兴趣爱好代表并预测个人的兴趣爱好,能为用户提供和发现新的信息资源,很好地满足金融用户信息需求的多兴趣性和时效性。最后对提出的算法进行实验,实验结果表明了算法具有良好的推荐效果。
- 辛治运马兆丰顾明
- 关键词：信息推荐协同过滤模糊聚类用户聚类
