-
题名MI和改进PCA的降维算法在股价预测中的应用
被引量：8
- 1
-
-
作者
谢心蕊
雷秀仁
赵岩
-
机构
华南理工大学数学学院信息与计算科学系
华南理工大学数学学院统计与金融数学系
-
出处
《计算机工程与应用》
CSCD
北大核心
2020年第21期139-144,共6页
-
基金
国家自然科学基金(No.11572127)。
-
文摘
考虑到单个特征对标签的有效性及多特征之间的信息冗余问题,提出一种联合互信息和改进PCA的双重降维方法。利用互信息对众多的特征进行初步筛选,舍弃一部分对标签信息贡献较低的特征,使用累积方差贡献率和复相关系数共同确定主元个数的主成分分析法进行二次降维,不仅保证了主元模型的信息容量,同时也避免了过多噪声的参与,从而保证了预测过程的准确性。通过神经网络对实际股票数据进行预测,表明了提出的降维算法的有效性。
-
关键词
互信息
改进PCA
双重降维
神经网络预测
-
Keywords
Mutual Information(MI)
improved PCA
double dimensionality reduction
neural network prediction
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名基于LLE-PCA的社交网络数据二重降维方法研究
被引量：1
- 2
-
-
作者
徐永辉
-
机构
空军工程大学信息与导航学院
-
出处
《现代电子技术》
2022年第10期69-74,共6页
-
基金
国家自然科学基金项目(61901509)。
-
文摘
社交网络数据属于多维数据,在社交网络数据挖掘研究中,对海量社交数据进行降维处理是必不可少的步骤。文中针对传统的局部线性嵌入(LLE)降维算法和主成分分析(PCA)降维算法对所处理数据类型有要求的局限性,提出一种新的局部线性嵌入-主成分分析联合二重降维算法(LLE-PCA),并将该算法应用于社交网络数据处理中。该算法将LLE中的重构系数矩阵与PCA中的主成分矩阵相结合,得到在低维空间投影后的新样本方差表达式,新的样本方差表达式可为数据降维的效果好坏提供判断依据。实验结果表明:所提算法对多维社交网络数据的降维效果较好,能明显将不同属性的社交数据分散开,同时兼顾数据的整体和局部特征;此外,相比单一的LLE和PCA算法,LLE-PCA算法缩短了对多维社交数据降维的时间。从降维效果来看,文中算法融合了LLE和PCA算法的优点,在处理同时具有线性和非线性特征的社交网络数据时有更好的兼容性。
-
关键词
社交网络数据
二重降维
LLE-PCA算法
数据降维
样本方差
网络数据处理
-
Keywords
social network data
double dimensionality reduction
LLE-PCA algorithm
data dimensionality reduction
sample variance
network data processing
-
分类号
TN915-34
[电子电信—通信与信息系统]
TP391
[电子电信—信息与通信工程]
-
-
题名低成本自进化的学习者画像模型研究
被引量：2
- 3
-
-
作者
葛迪
吴彦文
刘三女牙
-
机构
华中师范大学物理与科学技术学院
华中师范大学国家数字化学习工程技术研究中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第11期141-150,共10页
-
基金
国家自然科学基金重点项目(61937001)
教育部国家级新工科研究与实践项目2020年新工科专业改革类项目(E-RGZN20201032)。
-
文摘
复杂教学交互环境下,针对学习者画像模型所面临的维数灾难和更新高数据成本问题,提出了一种新的模型——大规模数据下低成本自进化学习者画像,该方法改进了传统的深度非负矩阵分解算法,以此来对原始数据从双空间进行特征结构保留并有效降维,抑制维数灾难;以图神经网络为信息捕获媒介,结合深度神经网络对元属性状态值进行量化,引导设计了一种自适应的特征抽取与动态更新策略来辅助学习者画像模型不断自进化;在斯坦福EDX平台数据集上设计了四项实验以验证该模型的性能。实验结果表明,该模型在93.13%的下游教学推荐任务精度下,可减少45%的更新数据成本。
-
关键词
学习者画像
双空间降维
图注意力网络
自适应特征抽取
低数据成本更新
-
Keywords
learner portrail
double space dimensionality reduction
graph attention network
adptive feature extraction
low data cost update
-
分类号
TP3-05
[自动化与计算机技术—计算机科学与技术]
-
