检索结果-南通市图书馆

Predicting Stock Closing Price with Stock Network Public Opinion Based on adaboost-AAFSA-Elman Model and CEEMDAN Algorithm

在线全文

学校读者我要写书评

暂无评论

Journal of Shanghai Jiaotong university(Science) 2023年第6期28卷 809-821页

作者：朱昶胜康亮河冯文芳 School of Computer and Communication Lanzhou University of TechnologyLanzhou 730050China School of Economics and Management Lanzhou University of TechnologyLanzhou 730050China College of Information Science and Technology Gansu Agricultural UniversityLanzhou 730070China

To solve low prediction accuracy of Elman in predicting stock closing price,the model of adaptive boosting(adaboost)-improved artificial fish swarm algorithm(AAFSA)-Elman based on complete ensemble em-pirical mode decomposition with adaptive noise(CEEMDAN)is *** adding different white noise to the original data,CEEMDAN algorithm is used to decompose attributes serial selected by Boruta algorithm and text *** optimize the weight and threshold of Elman,self-adaption step length and view scope are used to improve artificial fish swarm algorithm(AFSA).adaboost algorithm is used to compose 5 weak AAFSA-Elman predictors into a strong predictor by continuous *** show that the mean absolute percentage error(MAPE)of adaboost-AAFSA-Elman model reduces from 4.9423%to 1.2338%.This study provides an experimental method for the prediction of stock closing price based on network public opinio.

关键词： network public opinion CEEMDAN adaboost AFSA Elman

A Study on Idea Adoption Prediction Model Based on SMOTE-adaboost:Taking Salesforce Platform as an Example

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Journal of Systems Science and Information 2024年第4期12卷 476-490页

作者： Yunjiang XI Futao HUANG Lu HUANG Xiao LIAO Juan YU School of Business Administration South China University of TechnologyGuangzhou 510641China School of Internet Finance and Information Engineering Guangdong University of FinanceGuangzhou 510521China School of Economics and Management Fuzhou UniversityFuzhou 350108China

In the context of information overload,companies often struggle to effectively identify valuable ideas on their open innovation *** this article,we propose an idea adoption strategy based on machine *** used data from a well-known open innovation platform,Salesforce,and extracted characteristic variables using the Information Adoption *** classification models were then constructed based on adaboost,Random Forest,SVM and Logistic Regression *** to significant differences in the number of positive and negative samples in the OIP,we used the SMOTE method to address the problem of data *** results of the study showed that the ensemble learning models were more accurate in identifying valuable ideas than the individual machine learning *** comparing the two ensemble learning models,adaboost outperformed Random Forest in predicting both positive and negative class *** SMOTE-adaboost model achieved a recall of 0.93,a precision of 0.92 and an impressive AUC of 0.98 in identifying adopted ideas,which could well identify valuable ideas and has implications for improving the efficiency and quality of idea adoption in *** shortcoming of this work is that it only investigated a single *** the future,we will consider extending this method to different platforms and multiple classification problems.

关键词： open innovation platform adaboost information adoption ensemble learning

adaboost算法的推广——一组集成学习算法

在线全文

学校读者我要写书评

暂无评论

四川大学学报（工程科学版） 2010年第6期42卷 91-98页

作者：付忠良赵向辉苗青姚宇中国科学院成都计算机应用研究所四川成都610041 中国科学院研究生院北京100049

针对adaboost算法只适合于不稳定学习算法这一不足,基于增加新分类器总是希望降低集成分类器训练错误率这一思想,提出了利用样本权值来调整样本类中心的方法,使adaboost算法可以与一些稳定的学习算法结合成新的集成学习算法,如动态调整... 详细信息

针对adaboost算法只适合于不稳定学习算法这一不足,基于增加新分类器总是希望降低集成分类器训练错误率这一思想,提出了利用样本权值来调整样本类中心的方法,使adaboost算法可以与一些稳定的学习算法结合成新的集成学习算法,如动态调整样本属性中心的集成学习算法、基于加权距离度量分类的集成学习算法和动态组合样本属性的集成学习算法,大大拓展了adaboost算法适用范围。针对adaboost算法的组合系数和样本权值调整策略是间接实现降低训练错误率目标,提出了直接面向目标的集成学习算法。在UCI数据上的实验与分析表明,提出的adaboost推广算法不仅有效,而且部分算法比adaboost算法效果更好。

关键词：集成学习 adaboost 分类器组合弱学习定理

在线全文

学校读者我要写书评

暂无评论

adaboost人脸检测定点型优化算法

电子科技大学学报 2015年第4期44卷 589-593页

作者：周振华河南省水文水资源局郑州450003

提出一种adaboost人脸检测的定点型优化算法,该算法以adaboost人脸检测原型算法为基础,分析了Cascade瀑布式级联分类器中弱分类器与强分类器分类计算的特点,有效分解了弱分类器与强分类器的计算过程,从而现实了强分类器与弱分类器相关... 详细信息

提出一种adaboost人脸检测的定点型优化算法,该算法以adaboost人脸检测原型算法为基础,分析了Cascade瀑布式级联分类器中弱分类器与强分类器分类计算的特点,有效分解了弱分类器与强分类器的计算过程,从而现实了强分类器与弱分类器相关模型参数有效分离标定。优化算法进一步利用图像积分图及弱分类器计算特点,完成对弱分类器计算过程及相关模型参数的定点型转化;同时,利用强分类器浮点的计算精度要求,完成强分类器计算过程及相关模型参数的定点型转化。该定点型adaboost人脸检测方法计算精度逼近原浮点型算法计算精度,保持了较高的人脸检测正确率,并利于后期的SIMD并行计算方法优化,同时,也利于算法在定点型嵌入式设备上的移植与优化。

关键词： adaboost 人脸检测图像积分图强分类器弱分类器

一种基于adaboost的分层特征空间人脸检测的方法

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2007年第3期20卷 435-438页

作者：李三平魏镇韩张毓森解放军理工大学指挥自动化学院南京210007

Viola 和 Jones 的人脸检测方法在分类器训练后期,基于 Haar-like 特征的弱分类器分类能力变弱.针对此问题,提出一种基于 adaboost 的分层特征空间的人脸检测方法.该方法让弱分类器在局部和全局特征空间中进行训练,增强弱分类器的分类性... 详细信息

Viola 和 Jones 的人脸检测方法在分类器训练后期,基于 Haar-like 特征的弱分类器分类能力变弱.针对此问题,提出一种基于 adaboost 的分层特征空间的人脸检测方法.该方法让弱分类器在局部和全局特征空间中进行训练,增强弱分类器的分类性能.实验表明,本文方法提高系统的正确检测率,降低错误报警数,与当前人脸检测系统相比性能更优越.

关键词：人脸检测 adaboost 二维主成分分析(2DPCA)

Machine learning in neurological disorders:A multivariate LSTM and adaboost approach to Alzheimer's disease time series analysis

在线全文

学校读者我要写书评

暂无评论

Health Care Science

Health Care Science 2024年第1期3卷 41-52页

作者： Muhammad Irfan Seyed Shahrestani Mahmoud Elkhodr School of Computer Data and Mathematical SciencesWestern Sydney UniversitySydneyAustralia School of Engineering and Technology Central Queensland UniversitySydneyAustralia

Introduction:Alzheimer's disease(AD)is a progressive brain disorder that impairs cognitive functions,behavior,and *** detection is crucial as it can slow down the progression of ***,early diagnosis and monitoring of AD's advancement pose significant challenges due to the necessity for complex cognitive assessments and medical ***:This study introduces a data acquisition technique and a preprocessing pipeline,combined with multivariate long short-term memory(M-LSTM)and adaboost *** models utilize biomarkers from cognitive assessments and neuroimaging scans to detect the progression of AD in patients,using The AD Prediction of Longitudinal Evolution challenge cohort from the Alzheimer's Disease Neuroimaging Initiative ***:The methodology proposed in this study significantly improved performance *** testing accuracy reached 80%with the adaboost model,while the M-LSTM model achieved an accuracy of 82%.This represents a 20%increase in accuracy compared to a recent similar ***:The findings indicate that the multivariate model,specifically the M-LSTM,is more effective in identifying the progression of AD compared to the adaboost model and methodologies used in recent research.

关键词： Alzheimer's disease adaboost cognitive data multivariate LSTM neuroimaging data

基于adaboost集成算法和Black-Litterman模型的资产配置

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

系统工程理论与实践 2023年第11期43卷 3182-3196页

作者：姚海祥李晓鑫房勇广东外语外贸大学金融学院广州510006 广州华南财富管理中心研究基地广州510006 金融开放与资产管理研究中心广州510006 中国科学院数学与系统科学研究院北京100190 中国科学院大学经济与管理学院北京100190

行业主题型ETF的迅速发展为投资者带来了多元化的行业资产配置机会,然而投资者应如何进行合理有效的行业资产配置,才能获取行业中优质企业长期健康的发展红利.本文以2005年1月14日至2022年7月15日的沪深300一级行业指数为研究样本,运用... 详细信息

行业主题型ETF的迅速发展为投资者带来了多元化的行业资产配置机会,然而投资者应如何进行合理有效的行业资产配置,才能获取行业中优质企业长期健康的发展红利.本文以2005年1月14日至2022年7月15日的沪深300一级行业指数为研究样本,运用自适应提升算法(adaptive boosting,adaboost)生成投资者观点,并通过Black-Litterman(BL)模型建立行业资产的最优配置策略.算例结果表明,基于adaboost集成算法的BL模型(BL_adaboost)相较于市场组合、等权重组合、MV模型能够获得更优的投资绩效.此外,我们进一步考察了BL_adaboost在不同时期的绩效表现.结果显示,在极端风险事件冲击以及股市整体持续下行的时期,BL_adaboost在一定程度上能够抵御风险,从而减小投资组合的亏损.而在股市正常波动时期,BL_adaboost相较于其他投资组合能够获得更高的回报.

关键词： Black-Litterman模型 adaboost 神经网络资产配置投资组合

基于adaboost及谱回归判别分析的近红外光谱固态发酵过程状态识别

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2016年第1期36卷 51-54页

作者：于霜刘国海夏荣盛江辉苏州工业职业技术学院机电工程系江苏苏州215000 南京航空航天大学机电学院江苏南京210016 江苏大学电气信息工程学院江苏镇江212013

为了实现固态发酵过程状态的快速监测,以饲料蛋白固态发酵为实验对象,开展了基于近红外光谱分析技术的饲料蛋白固态发酵过程状态定性识别研究。首先利用AntarisⅡ型傅里叶变换近红外光谱仪采集140个固态发酵物样本的近红外光谱,并采用... 详细信息

为了实现固态发酵过程状态的快速监测,以饲料蛋白固态发酵为实验对象,开展了基于近红外光谱分析技术的饲料蛋白固态发酵过程状态定性识别研究。首先利用AntarisⅡ型傅里叶变换近红外光谱仪采集140个固态发酵物样本的近红外光谱,并采用标准正态变换(SNV)光谱预处理方法对获得的原始光谱进行预处理;其次,采用谱回归判别分析(SRDA)法对预处理后的近红外光谱进行特征提取;最后,采用最近邻(NN)分类算法作为弱分类器建立固态发酵过程状态识别模型,并对测试集样本进行识别。结果显示,与利用主成分分析(PCA)法和线性判别分析(LDA)法提取的光谱特征建立的识别模型结果相比较,SRDA-NN识别模型获得的结果最佳,在测试集中的正确识别率达到94.28%;为了进一步提高识别模型的准确率,将自适应提升法(adaboost)与SRDA-NN方法结合,提出了adaboost-SRDA-NN集成学习算法来建立饲料蛋白固态发酵过程状态的在线监测模型。通过adaboost算法提升后的SRDA-NN模型预测性能得到了进一步增强,adaboost-SRDA-NN模型在测试集中的正确识别率达到100%。试验结果表明:在近红外光谱定性分析模型校正过程中,SRDA方法能有效地对近红外光谱数据进行特征提取,以实现维数约简;另外,adaboost算法能很好地提升最终分类模型的预测精度。

关键词：光谱分析近红外特征提取谱回归判别分析 adaboost

基于adaboost+OLDA和近红外光谱的猪肉贮藏时间辨别

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2012年第12期32卷 3238-3241页

作者：武小红唐凯孙俊江苏大学电气信息工程学院江苏镇江212013 江苏大学食品与生物工程学院江苏镇江212013

猪肉的贮藏时间和猪肉的新鲜度紧密相关。通过近红外漫反射光谱技术获取猪肉样本数据,利用正交线性判别分析(OLDA)算法进行特征提取,同时将自适应提升法(adaboost)引入OLDA,提出了一种基于adaboost和OLDA的集成学习算法——adaboost+OLD... 详细信息

猪肉的贮藏时间和猪肉的新鲜度紧密相关。通过近红外漫反射光谱技术获取猪肉样本数据,利用正交线性判别分析(OLDA)算法进行特征提取,同时将自适应提升法(adaboost)引入OLDA,提出了一种基于adaboost和OLDA的集成学习算法——adaboost+OLDA。实验针对分类正确率和运算时间将传统特征提取算法(PCA+LDA和OLDA)和adaboost+OLDA算法进行了对比研究,结果表明adaboost+OLDA算法不仅具有很好的运算效率,而且提高了OLDA算法的泛化能力,在猪肉样本测试中达到了95%以上的分类正确率。

关键词：近红外光谱猪肉贮储时间 OLDA adaboost