您的位置: 专家智库 > >

郑兴

作品数:3 被引量:7H指数:1
供职机构:四川大学计算机学院更多>>
发文基金:国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 3篇中文期刊文章

领域

  • 3篇自动化与计算...

主题

  • 2篇股票
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇神经网
  • 1篇神经网络
  • 1篇时间序列
  • 1篇数据挖掘
  • 1篇特征提取
  • 1篇图像
  • 1篇图像检索
  • 1篇网络
  • 1篇线性表
  • 1篇向量
  • 1篇向量机
  • 1篇模型聚类
  • 1篇聚类
  • 1篇卷积
  • 1篇卷积神经网络
  • 1篇后缀树
  • 1篇加权

机构

  • 3篇四川大学

作者

  • 3篇郑兴
  • 2篇程小林
  • 1篇李旭伟
  • 1篇赵俊杰
  • 1篇秦璐
  • 1篇王领

传媒

  • 1篇现代计算机
  • 1篇四川大学学报...
  • 1篇现代计算机(...

年份

  • 1篇2018
  • 2篇2017
3 条 记 录,以下是 1-3
排序方式:
基于WSVM的股票转折点预测研究被引量:1
2017年
在千变万化的股票市场中,能够完全预测走势并不容易。用分段线性方法结合加权支持向量机模型对转折点进行分类预测,同时使用网格搜索算法对参数进行优化,最终达到为投资者获利的目的。
郑兴王领秦璐程小林
关键词:分段线性表示加权支持向量机
图像检索中的特征表示方法研究被引量:1
2017年
研究用于检索的单幅图像的两种特征表示方法,第一种是基于SIFT等传统手工特征点的表示方法;第二种是基于卷积神经网络的特征表示方法。采用Caffe Net和VGG-M两个预训练模型,分别提取它们全连接层和卷积层的输出作为图像的特征。实验表明,对于预训练的模型,最后一层卷积的特征对于检索的效果要好于全连接层的特征。
赵俊杰郑兴
关键词:特征提取图像检索卷积神经网络
基于概率后缀树的股票时间序列预测方法研究被引量:5
2018年
在时间序列符号化基础上,本文引入概率后缀树PST模型,构建基于时间序列符号化和概率后缀树相结合的股票预测模型.本文选择在沪深300的10支股票数据上将预测模型与传统的马尔科夫模型MM和自回归移动平均模型ARMA进行对比,结果显示本文提出的股票预测模型优于MM模型和ARMA模型,验证了本文所提出的预测模型在投资收益上的有效性.
程小林郑兴李旭伟
共1页<1>
聚类工具0