[发明专利]基于特征K线和合作协同演化算法的金融时间序列预测方法在审
| 申请号： | 201810179280.5 | 申请日： | 2018-03-05 |
| 公开（公告）号： | CN108492187A | 公开（公告）日： | 2018-09-04 |
| 发明（设计）人： | 骆超;姜志朋 | 申请（专利权）人： | 山东师范大学 |
| 主分类号： | G06Q40/06 | 分类号： | G06Q40/06;G06Q10/04;G06K9/62;G06N3/12 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 赵妍 |
| 地址： | 250014 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于特征K线和合作协同演化算法的金融时间序列预测方法，包括以下步骤：1)获取金融时间序列数据，采用特征K线技术对金融时间序列数据进行去噪处理；2)将去噪处理后的数据输入SVM，并采用合作协同演化算法来获取分类预测准确率。本发明通过特征K线技术对金融时间序列数据进行去噪处理，抽取金融时间序列的核心特征，降低了金融时间序列数据的随机性，简化了模型建立的复杂度；利用合作协同演化算法与SVM结合的方式来获取分类预测准确率，提升了参数优化性能，获得了更高的分类预测准确率,且能适应复杂模型问题的求解。 | ||
| 搜索关键词： | 时间序列数据 演化算法 金融 准确率 去噪 协同 时间序列预测 分类 预测 随机性 合作 参数优化 复杂模型 核心特征 模型建立 时间序列 复杂度 求解 抽取 | ||
【主权项】：
1.一种基于特征K线和合作协同演化算法的金融时间序列预测方法，其特征在于，包括以下步骤：1)获取金融时间序列数据，采用特征K线技术对金融时间序列数据进行去噪处理；2)将去噪处理后的数据输入支持向量机，并采用合作协同演化算法来获取分类预测准确率。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东师范大学，未经山东师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810179280.5/，转载请声明来源钻瓜专利网。
