公共文化服务平台

李俊照: 作品数：41 被引量：90H指数：5; 供职机构：合肥工业大学计算机与信息学院更多>>; 发文基金：国家自然科学基金国家重点基础研究发展计划安徽省自然科学基金更多>>; 相关领域：自动化与计算机技术经济管理理学更多>>

合作作者

基于马尔可夫毯时序回归模型的房地产板块指数预测被引量：2: 2014年; 房地产板块是中国股市的核心行业板块,房地产板块股价指数走势的分析有助于对中国股市态势的正确把握.针对行业板块之间的相关性难以发现和房地产板块股价指数难以有效预测的问题,基于股市行业板块之间指数波动的相关性,利用马尔可夫毯学习算法选择与房地产板块相关的行业板块,通过因果分析避免现行方法中选取相关板块的主观性;进而,利用Granger因果检验从中选择与房地产板块存在时序因果关系的板块,从而构建房地产板块的向量时序回归模型,实现对房地产板块股价指数的有效预测;最后,通过脉冲响应和方差分解对模型进行分析.对于上证股市所进行的实验比较和实证分析的结果表明,该方法能有效预测房地产板块股价指数的走势.; 李俊照郭坤姚宏亮王浩方帅; 关键词：房地产板块 GRANGER因果检验

基于局部因果关系分析的隐变量发现算法: 结构分析的隐变量发现方法难以有效地发现隐变量且可解释性较差。基于因果关系和局部结构的不确定性,提出了一种基于局部因果关系分析的隐变量发现方法(LCAHD),LCAHD方法给出了因果结构熵的定义,将因果知识和不确定性知识相...; 姚宏亮吴立辉王浩李俊照; 关键词：因果关系分析

特征滞后计算的股市波动预测被引量：1: 2015年; 针对股票价格波动拐点难以有效预测导致预测精度不高的问题,提出一种特征滞后程度计算的均值门限广义自回归条件异方差(LRD-TGARCH-M)模型。首先,基于股价波动与指标变化出现的不一致性,给出了滞后性的定义,并引入能量波动概念,从能量角度提出特征滞后程度(LD)计算模型;然后,用LD度量拐点出现之前的风险大小,将其加入到股价均值方程中,克服均值门限广义自回归条件异方差(TGARCH-M)模型对拐点预测的不足;其次,根据拐点附近波动相对剧烈,将LD加入到误差项的方差方程中,优化方差的变化,提高模型的预测精度;最后,给出了LRD-TGARCH-M模型的波动预测公式和精度分析,并在股票数据上进行实验,结果表明,与TGARCH-M模型相比,精确度提高了3.76%;与均值指数GARCH(EGARCH-M)模型相比,精确度提高了3.44%,证明了LRD-TGARCHM模型可以提高股价走势预测精度,减小误差。; 姚宏亮李大光李俊照; 关键词：股价波动

一种基于支持向量机的移动Agent网络故障管理模型被引量：1: 2006年; 利用移动Agent来进行网络故障管理,能克服传统集中式网络故障管理所存在的问题.但网络故障的分析和诊断还是由单一的网管工作站来完成的,很容易造成整个系统对网管工作站的过分依赖,形成单一脆弱点.为了进一步增强管理的灵活性和智能性,引入支持向量机(SVM)技术,将SVM嵌入到移动Agent的推理模块之中,利用SVM的分析决策能力,使其能够在进行分布式故障检测的同时实现分布式故障诊断;进而提出基于支持向量机的移动Agent(SVM based mobile agent,SVMMA)的网络故障管理模型,并验证了它的有效性.; 程涛王浩姚宏亮李俊照; 关键词：网络故障管理移动AGENT 支持向量机

一种基于因果强度的局部因果结构主动学习方法被引量：2: 2012年; 因果结构学习是贝叶斯网络学习中一种重要的结构学习方法,因果关系揭示了系统要素作用的本质。由于仅利用观测数据很难准确地发现变量间的因果关系,且通常人们仅关心网络中关于某一变量的局部因果关系,因此针对难以从观测数据中仅获取所感兴趣的变量的局部因果结构的问题,提出了一种局部结构学习方法,即一种基于因果强度的局部因果结构主动学习方法(CSI-LCSL)。CSI-LCSL方法融合了马尔可夫毯的结构划分能力和扰动学习的因果发现能力,并且引入了因果强度进行扰动结点的选择。利用HITON_MB算法寻找目标结点的马尔可夫毯,生成关于目标结点的局部模型;然后,利用不对称信息熵对局部模型中的每一结点进行因果强度分析,选取因果强度值较大的结点进行扰动,生成扰动数据;进而,联合扰动数据和观测数据利用准确方法(exact method)学习边的后验概率,从而获得一个关于目标结点的局部因果网络。利用结构信息熵对CSI-LCSL方法的学习结果进行评估。在标准网络上的实验结果证实了CSI-LCSL算法的有效性。; 周冬梅王浩姚宏亮李俊照张赞; 关键词：贝叶斯网络

基于离群特征模式的股市波动预测模型被引量：2: 2014年; 由于股票价格波动具有较强的突变性且易受外界因素影响,导致股票价格走势难以预测。提出基于离群特征模式的股市波动预测模型(SFSVM)。该算法首先利用马尔可夫毯选取目标结点的局部网络结构,以屏蔽其他结点对目标结点的影响;对目标结点的指标进行分析,提取异于一般行为的离群特征模式;利用滑动窗口捕捉离群特征,将离群特征模式作为先验知识加入原SVM模型,预测尖峰点并平滑尖峰点对于预测结果的影响,提高预测模型的稳健性。在股票板块数据上进行实验结果证明,SFSVM算法相对于神经网络和标准的SVM算法,在股票的走势预测方面有更好的预测效果。; 王浩陈娟姚宏亮李俊照; 关键词：支持向量机先验知识

K线能量计算的股市生命期态势预测方法被引量：1: 2016年; 股市中K线特征是股价涨跌的因果信息,基于支持向量机(SVM)的股价预测模型没有考虑K线特征知识,对于股价态势难以有效预测。提出基于K线能量计算的股市生命期支持向量机态势预测算法(LPFSVM),首先,提取典型K线特征,通过引入特征的孕育成熟度和爆发力定义,给出K线特征支持向量机算法(KLF-SVM);进而,在KLF-SVM算法基础上定义特征的能量计算模型给出一种K线能量计算的SVM股价预测算法。为了有效地预测态势,引入股价波动的生命期概念,通过K线组合特征判定股价所处的生命期的阶段,进而结合生命期阶段之间的时序影响关系给出一种基于生命期的股价态势预测算法。在上证和深证数据集上的实验结果表明,LPF-SVM算法对于股价上升波段和下跌波段的股价预测取得了很好的效果。; 姚宏亮周光辉李俊照; 关键词：爆发力

一种基于流特征模式的股市跟踪预测算法: 由于股市波动的突发性、多变性，且时序数据呈非正态分布，传统的时序预测模型难以有效预测股市。提出了一种基于流特征模式的股市跟踪预测算法(SFM-PG)，该算法根据股票之间的相关性构建贝叶斯网络，选取目标股票的马尔科夫毯作为...; 姚宏亮杜明超李俊照王浩; 关键词：股市预测

一种结构成熟度的时序自回归股市预测算法: 2018年; 由于现有的时序预测方法仅利用局部的组合特征,信息融合低,预测效果不佳。文章基于艾略特波浪理论中的W形态,通过结构建模,提出一种结构成熟度信息的时序自回归股市预测算法。首先提取股市中的W形态,通过量价波动对W形态均线走势影响分析,引入W形态结点成熟度,并且给出了价格的波动对均线走势影响的证明,利用贝叶斯网络表示W形态中结点成熟度之间的结构关系,实现对波段信息的有效融合;然后利用非对称信息熵计算结点间的关系强度,生成基于AR的结构成熟度模型;最后利用该模型进行股市态势预测。在实际数据上进行了算法比较分析,实验结果表明算法具有更高预测精度。; 姚宏亮艾刘可王浩李俊照; 关键词：贝叶斯网络波浪理论

一种基于因果强度的局部因果结构主动学习方法: 因果结构学习是贝叶斯网络学习中一种重要的结构学习方法，因果关系揭示了系统要素作用的本质.由于仅利用观测数据很难准确的发现变量间的因果关系，且通常人们仅关心网络中关于某一变量的局部因果关系.针对难以从观测数据中仅获取所感兴...; 周冬梅王浩姚宏亮李俊照张赞; 关键词：贝叶斯网络; 文献传递

李俊照

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

李俊照

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈