期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于矩阵画像的金融时序数据预测方法
被引量：
3
1
作者
高世乐
王滢
+1 位作者
李海林
万校基
《计算机应用》
CSCD
北大核心
2021年第1期199-207,共9页
针对金融市场中机构交易对股票市场中的散户投资行为具有较强的误导性的现象,提出了一种基于机构交易行为影响的趋势预测方法。首先,利用时间序列的矩阵画像(MP)方法,以股票换手率数据为切入点,构建不同兴趣模式长度下的基于机构交易行...
针对金融市场中机构交易对股票市场中的散户投资行为具有较强的误导性的现象,提出了一种基于机构交易行为影响的趋势预测方法。首先,利用时间序列的矩阵画像(MP)方法,以股票换手率数据为切入点,构建不同兴趣模式长度下的基于机构交易行为影响的换手率波动知识库;其次,确定待预测股票在兴趣模式长度取何值时的预测结果精确度高;最后,根据该兴趣模式长度下的知识库,预测在机构交易行为影响下的单支股票的波动趋势。为验证趋势预测新方法的可行性和准确性,将其与自回归滑动平均(ARMA)模型和长短时记忆(LSTM)网络这两种预测方法进行对比分析,运用均方根误差(RMSE)与平均绝对百分误差(MAPE)评价指标综合比较3种方法对70支股票的预测结果。实验结果分析表明,与ARMA模型和LSTM网络相比,在70支的股票价格趋势预测上,所提方法有80%以上的股票预测结果更准确。
展开更多
关键词
机构交易行为
股票趋势预测
兴趣模式发现
矩阵画像
时间序列
下载PDF
职称材料
基于Matrix Profile的时间序列分割技术改进
2
作者
刘贺贺
贺延俏
+2 位作者
邓诗卓
吴刚
王波涛
《软件学报》
EI
CSCD
北大核心
2023年第11期5267-5281,共15页
时间序列分割是数据挖掘领域中的一个重要研究方向.目前基于矩阵轮廓(matrix profile,MP)的时间序列分割技术得到了越来越多研究人员的关注,并且取得了不错的研究成果.不过该技术及其衍生算法仍然存在不足:首先,基于矩阵轮廓的快速低代...
时间序列分割是数据挖掘领域中的一个重要研究方向.目前基于矩阵轮廓(matrix profile,MP)的时间序列分割技术得到了越来越多研究人员的关注,并且取得了不错的研究成果.不过该技术及其衍生算法仍然存在不足:首先,基于矩阵轮廓的快速低代价语义分割算法中对给定活动状态的时间序列分割时,最近邻之间通过弧进行连接,会出现弧跨越非目标活动状态匹配相似子序列问题;其次,现有提取分割点算法在提取分割点时采用给定长度窗口,容易得到与真实值偏差较大的分割点,降低准确性.针对以上问题,提出一种限制弧跨越的时间序列分割算法(limit arc curve cross-FLOSS,LAC-FLOSS),该算法给弧添加权重,形成一种带权弧,并通过设置匹配距离阈值解决弧的跨状态子序列误匹配问题.此外,提出一种改进的提取分割点算法(improved extract regimes,IER),它通过纠正弧跨越(corrected arc crossings,CAC)序列的形状特性,从波谷中提取极值,避免直接使用窗口在非拐点处取到分割点的问题.在公开数据集datasets_seg和MobiAct上面进行对比实验,验证以上两种解决方案的可行性和有效性.
展开更多
关键词
活动分割
可穿戴传感器
矩阵轮廓
带权弧
下载PDF
职称材料
题名
基于矩阵画像的金融时序数据预测方法
被引量：
3
1
作者
高世乐
王滢
李海林
万校基
机构
华侨大学工商管理学院
华侨大学应用统计与大数据研究中心
出处
《计算机应用》
CSCD
北大核心
2021年第1期199-207,共9页
基金
国家自然科学基金资助项目(71771094)
福建省自然科学基金资助项目(2019J01067)。
文摘
针对金融市场中机构交易对股票市场中的散户投资行为具有较强的误导性的现象,提出了一种基于机构交易行为影响的趋势预测方法。首先,利用时间序列的矩阵画像(MP)方法,以股票换手率数据为切入点,构建不同兴趣模式长度下的基于机构交易行为影响的换手率波动知识库;其次,确定待预测股票在兴趣模式长度取何值时的预测结果精确度高;最后,根据该兴趣模式长度下的知识库,预测在机构交易行为影响下的单支股票的波动趋势。为验证趋势预测新方法的可行性和准确性,将其与自回归滑动平均(ARMA)模型和长短时记忆(LSTM)网络这两种预测方法进行对比分析,运用均方根误差(RMSE)与平均绝对百分误差(MAPE)评价指标综合比较3种方法对70支股票的预测结果。实验结果分析表明,与ARMA模型和LSTM网络相比,在70支的股票价格趋势预测上,所提方法有80%以上的股票预测结果更准确。
关键词
机构交易行为
股票趋势预测
兴趣模式发现
矩阵画像
时间序列
Keywords
institutional
trading
behavior
stock
trend
prediction
motif
discovery
matrix
profile
(
mp
)
time
series
分类号
TP273 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于Matrix Profile的时间序列分割技术改进
2
作者
刘贺贺
贺延俏
邓诗卓
吴刚
王波涛
机构
东北大学计算机科学与工程学院
东北大学信息科学与工程学院
医学影像智能计算教育部重点实验室(东北大学)
出处
《软件学报》
EI
CSCD
北大核心
2023年第11期5267-5281,共15页
基金
广东省基础与应用基础研究基金(2021A1515110761)
中央高校基本科研业务费专项(N2104002,N2016009)。
文摘
时间序列分割是数据挖掘领域中的一个重要研究方向.目前基于矩阵轮廓(matrix profile,MP)的时间序列分割技术得到了越来越多研究人员的关注,并且取得了不错的研究成果.不过该技术及其衍生算法仍然存在不足:首先,基于矩阵轮廓的快速低代价语义分割算法中对给定活动状态的时间序列分割时,最近邻之间通过弧进行连接,会出现弧跨越非目标活动状态匹配相似子序列问题;其次,现有提取分割点算法在提取分割点时采用给定长度窗口,容易得到与真实值偏差较大的分割点,降低准确性.针对以上问题,提出一种限制弧跨越的时间序列分割算法(limit arc curve cross-FLOSS,LAC-FLOSS),该算法给弧添加权重,形成一种带权弧,并通过设置匹配距离阈值解决弧的跨状态子序列误匹配问题.此外,提出一种改进的提取分割点算法(improved extract regimes,IER),它通过纠正弧跨越(corrected arc crossings,CAC)序列的形状特性,从波谷中提取极值,避免直接使用窗口在非拐点处取到分割点的问题.在公开数据集datasets_seg和MobiAct上面进行对比实验,验证以上两种解决方案的可行性和有效性.
关键词
活动分割
可穿戴传感器
矩阵轮廓
带权弧
Keywords
activity
segmentation
wearable
sensor
matrix
profile
(
mp
)
weighted
arc
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于矩阵画像的金融时序数据预测方法
高世乐
王滢
李海林
万校基
《计算机应用》
CSCD
北大核心
2021
3
下载PDF
职称材料
2
基于Matrix Profile的时间序列分割技术改进
刘贺贺
贺延俏
邓诗卓
吴刚
王波涛
《软件学报》
EI
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
