检索结果

Select

1. 基于多尺度核自适应滤波的股票收益预测

汤兴恒, 郭强, 徐天慧, 张彩明

《计算机应用》唯一官方网站 2023, 43 (5): 1385-1393. DOI: 10.11772/j.issn.1001-9081.2022030401

摘要（357）

HTML （9）

PDF （1992KB）（152）

在股票市场中，投资者可通过捕捉历史数据中潜在的交易模式实现对股票未来收益的预测，股票收益预测问题的关键在于如何准确地捕捉交易模式，但受公司业绩、金融政策以及国家经济增长等不确定性因素的影响，交易模式往往难以捕捉。针对该问题，提出一种多尺度核自适应滤波（MSKAF）方法，从过去的市场数据中捕捉多尺度交易模式。为刻画股票的多尺度特征，该方法采用平稳小波变换（SWT）得到不同尺度的数据分量，不同尺度的数据分量蕴含着股票价格波动背后潜在的不同交易模式，然后采用核自适应滤波（KAF）方法捕捉不同尺度的交易模式，以预测股票未来收益。实验结果表明，相较于基于两阶段核自适应滤波（TSKAF）的预测模型，所提方法的预测结果的平均绝对误差（MAE）减小了10%，夏普比率增加了8.79%，可见所提方法实现了更好的股票收益预测性能。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于流行度的非平衡物质扩散推荐算法

郭强, 宋文君, 胡兆龙, 侯磊, 张一璐, 陈芳娇

计算机应用 2015, 35 (12): 3502-3505. DOI: 10.11772/j.issn.1001-9081.2015.12.3502

摘要（512）

PDF （605KB）（366）

针对产品的异质性没有在推荐算法中得到很好利用的问题,提出一种考虑产品流行度对用户兴趣偏好影响的物质扩散算法。通过模拟物质在用户-产品二部分网络上的扩散过程,并且引入产品流行度的可调参数,对产品流行度的影响进行定量刻画。在三个真实数据集上进行数值实验结果表明,该算法与经典的物质扩散算法相比,MovieLens、Netflix和Last.FM数据集上的平均排序打分可以分别提高25.60%、10.96%和1.2%;推荐列表多样性分别提高59.30%、53.07%和8.59%。所提出的非平衡的物质扩散算法所得到的结果更切合实际。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于Hermite滤波器的指纹增强算法

王健康彭小奇钟云飞郭强

计算机应用 2010, 30 (07): 1852-1854.

摘要（1263）

PDF （598KB）（1112）

指纹增强的目的在于改善指纹图像的质量，以提高指纹识别系统的性能。提出了一种基于Hermite滤波器的指纹增强算法，算法利用经典的梯度公式法计算纹线方向，利用指纹图像子块的频谱分布特征计算纹线频率。以纹线方向和频率作为滤波器的主要参数，利用具有良好带通特性的Hermite滤波器和具有可变角度带宽的低通滤波器进行滤波，有效地提高指纹的纹理清晰度，较好地避免奇异点区域的块效应。实验结果表明，算法具有良好的图像增强效果。