首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 140 毫秒
1.
文本分类是自然语言处理领域的一项重要任务,具有广泛的应用场景,比如知识问答、文本主题分类、文本情感分析等.解决文本分类任务的方法有很多,如支持向量机(Support Vector Machines,SVM)模型和朴素贝叶斯(Naïve Bayes)模型,现在被广泛使用的是以循环神经网络(Recurrent Neural Network,RNN)和文本卷积网络(TextConventional Neural Network,TextCNN)为代表的神经网络模型.本文分析了文本分类领域中的序列模型和卷积模型,并提出一种组合序列模型和卷积模型的混合模型.在公开数据集上对不同模型进行性能上的对比,验证了组合模型的性能要优于单独的模型.  相似文献   

2.
随着互联网的发展,内容营销逐渐成为电商营销的主流,而该类营销的日商品交易总额(gross merchandise volume,GMV)直接关系到企业的库存优化控制与广告投放策略。为了提高预测精度,基于真实电商订单数据集,根据内容营销的指标,分析用户行为对于GMV的影响,提出了一种长短期记忆网络(long short-term memory network,LSTM)与正则化极限学习机(regularized extreme learning machine,RELM)的组合模型LSTM-RELM。实验结果表明,相比于传统单一模型与双LSTM、LSTM-SVR、GM(1,1)-BP等组合模型,LSTM-RELM模型具有更精确的预测效果与更快的运行速度,能为相关销售企业提供广告投放策略参考与库存优化建议。  相似文献   

3.
销量预测一直是一个热点研究的课题,对于各个企业有着重要的意义.近年来,随着深度学习的崛起,用于销量预测的模型越来越多,而单一模型的预测性能往往不够理想,所以出现了越来越多的组合模型.本文利用Stacking策略将XGBoost、支持向量回归(Support Vector Regression,SVR)、GRU神经网络作为基础模型,然后将LightGBM作为最终的预测模型,并且融合了新的特征.集中了几种模型的优势,大大提高了模型的预测性能,更加接近真实的销量数据,为回归预测提供一种新的预测方法.  相似文献   

4.
改进的灰色模型与ARMA模型的股指预测   总被引:2,自引:0,他引:2  
当前基于灰色GM(1,1)模型和ARMA模型的组合模型GM-ARMA模型存在着2点不足:一是由于GM(1,1)模型不是最优的,导致了GM-ARMA模型也不是最优的;二是GM-ARMA模型并没有恰当地结合2个子模型,这也导致了GM-ARMA模型不是最优的.为此,首先引入数据维度参数和白化背景值的系数2个参数来改进GM(1,1)模型,然后同时优化ARMA模型中的P、Q2个参数来改进GM-ARMA模型,称新的模型为RevisedGM-ARMA(RGM-ARMA)模型.实例证明RGM-ARMA的误差小于ARIMA和GM-ARMA模型,并且为组合模型的建立提供了新的思路.  相似文献   

5.
针对现有的自回归(Autoregressive,AR)模型对非平稳数据预测效果不佳的问题,提出了基于时变自回归(Time-Varying Autoregressive,TVAR)模型的时序预测方法.针对某型国产飞机发动机的低压转速信号,使用TVAR模型分别进行点预测和区间预测,并与AR模型的点预测结果进行对比.研究结果表明,TVAR模型能够很好地反映非平稳数据的变化趋势.在给定置信水平下,TVAR预测区间能够包含真实数据,因此TVAR模型在时序预测中具有更好的预测效果.  相似文献   

6.
蔡亮  范元瑞  鄢萌  夏鑫 《软件学报》2019,30(5):1288-1307
软件缺陷预测一直是软件工程研究中最活跃的领域之一,研究人员己经提出了大量的缺陷预测技术,根据预测粒度不同,主要包括模块级、文件级和变更级(change-level)缺陷预测.其中,变更级缺陷预测旨在于开发者提交代码时,对其引入的代码是否存在缺陷进行预测,因此又被称作即时(just-in-time)缺陷预测.近年来,即时缺陷预测技术由于其即时性、细粒度等优势,成为缺陷预测领域的研究热点,取得了一系列研究成果;同时也在数据标注、特征提取、模型评估等环节面临诸多挑战,迫切需要更先进、统一的理论指导和技术支撑.鉴于此,从即时缺陷预测技术的数据标注、特征提取和模型评估等方面对近年来即时缺陷预测研究进展进行梳理和总结.主要内容包括:(1)归类并梳理了即时缺陷预测模型构建中数据标注常用方法及其优缺点;(2)对即时缺陷预测的特征类型和计算方法进行了详细分类和总结;(3)总结并归类现有模型构建技术;(4)总结了模型评估中使用的实验验证方法与性能评估指标;(5)归纳出了即时缺陷预测技术的关键问题;(6)最后展望了即时缺陷预测的未来发展.  相似文献   

7.
董红斌  逄锦伟  韩启龙 《计算机科学》2015,42(5):78-81, 105
预测是一种根据已知数据在过去一定时间段内呈现出的发展的规律性对未来发展趋势进行描述的行为.近年来,预测被应用到很多领域,如电价预测、股票价格预测和气象预测等.然而传统的预测方法由于其精度不高或速度不快等问题,无法满足当今预测领域的需求.针对传统预测方法存在的问题,基于组合预测的思想,结合强化学习的累积函数的概念,提出了结合灰色预测模型和极限学习机的组合预测方法.算法在微软股票信息、Mackey-Glass时间序列数据和台湾液晶屏制造业的制造数据等实验数据集上进行了相关实验,结果表明该算法是有效的.  相似文献   

8.
张平  王黎维  彭智勇  岳昆  黄浩 《软件学报》2017,28(8):2161-2174
影响最大化旨在从给定社会网络中寻找出一组影响力最大的子集.现有工作大都在假设实体点(个人或博客等)影响关系已知的情况下,关注于分析单个实体点的影响力.然而在一些实际场景中,人们往往更关注区域或人群等这类团体的组合影响力,如:户外广告,电视营销,疫情防控等.本文研究了影响力团体的选择问题:(1)基于团体的关联发现,我们建立了团体传播模型GIC(Group Independent Cascade);(2)根据GIC模型,我们给出了贪心算法CGIM(Cascade Group influence maximization)搜索最具影响力的top-k团组合.在人工数据和真实数据上,实验验证了我们方法的效果和效率.  相似文献   

9.
罗颖  秦文虎 《计算机应用研究》2020,37(8):2354-2357,2380
目前针对车辆低速跟驰驾驶的建模研究较少。通过最优加权理论将理论驱动型跟驰模型与数据驱动型跟驰模型进行结合,建立了一种基于智能驾驶者模型(IDM)与径向基函数神经网络(RBFNN)的组合型车辆低速跟驰模型。首先对NGSIM公开数据集进行筛选与处理得到基础研究数据;之后分别建立基于IDM与RBFNN的低速跟驰模型,前者侧重于保证跟驰的安全性与舒适性,后者则能够输出与真实值更为相符的预测结果;最后通过改进的最优加权目标函数得到最优组合权重,从而建立起了IDM-RBFNN组合模型。用平均相对误差(MARE)进行了评估,并通过对比分析证明了组合模型具有比单一模型更优的预测效果。  相似文献   

10.
本文提出一种基于模糊逻辑系统的组合预测方法。其基本思想是利用模糊系统的万能逼近特性,采用模糊Taki Sugeno模型来进行非线性组合预测函数的φ(x)模拟。这种全新的组合预测方法不仅降低了构造非线性组合预测函数φ(x)的难度,而且使预测精度大大提高。  相似文献   

11.
Luo  Ji  Zhao  Chuhao  Chen  Qiao  Li  Guangqin 《The Journal of supercomputing》2022,78(1):379-405

To study the impact of the agricultural information system based on the Internet of Things (IoT) on the income of agricultural products, an agricultural information system was constructed based on the agricultural IoT technology, and its impact on the income of agricultural products was discussed through the deep belief network. First, the relevant theories of agricultural IoT were introduced. Then, an agricultural information system based on agricultural IoT technology was constructed, and a deep belief network model was proposed. The vegetable prices and influencing factors were collected. The data were distributed in the range of 0–1 after normalization. The collinearity between the data was eliminated through principal component analysis. Then, the principal component analysis of vegetable prices and influencing factors from 2015 to 2019 was performed. A total of 96 sample data of calibration set and 24 sample data of test machine were collected. The optimal number of hidden layers of the deep belief network model and the number of nodes contained in the hidden layer were obtained through experiments. The results show that the first, second, and third hidden layers have 8, 6, and 10 nodes, respectively; the prediction accuracy of the deep belief network model is more accurate than that of the BP neural network and wavelet neural network. Besides, the absolute value of the prediction error of the deep belief model is within 0.1, which has good prediction accuracy. In short, the deep belief model has a good development prospect in agricultural product price forecasting, and it can provide relevant reference for the establishment and research of other agricultural product price forecasting models.

  相似文献   

12.
针对传统农产品价格预测模型在大数据场景下无法快速准确对苹果市场价格进行预测的问题,提出一种基于分布式神经网络的苹果价格预测方法。首先,研究影响苹果市场价格的相关因素,选取苹果历史价格、替代品历史价格、居民消费水平和原油价格四个特征作为神经网络模型的输入;然后,构建蕴含价格波动规律的分布式神经网络模型,实现对苹果市场价格的短期预测。实验结果显示,基于分布式神经网络的苹果市场价格短期预测模型具有较高的预测精度,平均相对误差仅为0.50%,满足苹果市场价格预测的要求。实验结果表明,分布式神经网络模型能够通过自学习特性揭示出苹果市场价格的波动规律和发展趋势,所提方法能为稳定苹果市场秩序和市场价格宏观调控提供科学依据,有助于降低价格波动带来的危害,帮助果农规避市场风险。  相似文献   

13.
Liu  Qingquan  Wu  Yingli  Jun  Zuo  Li  Xin 《The Journal of supercomputing》2022,78(4):5010-5028
The Journal of Supercomputing - To discuss the application of Internet of Things (IoT) in the agriculture, an agricultural product price prediction model is constructed based on the improved Elman...  相似文献   

14.
基于后效时间长度的股票价格预测   总被引:1,自引:0,他引:1  
杨震 《计算机仿真》2012,29(2):378-381
研究股票价格准确预测问题,针对股票走势预测受政治经济变化等多种因素的影响,具有较强的时变性和非线性特性。传统方法多为线性系统的预测方法,不能有效提高预测精度。为准确确定股票走势后效的时间长度,提高预测精度,根据地统计学与支持向量机提出了一种新的股票价格预测方法。先对数据进行平稳化处理并以地统计学分析股票价格数据的结构性,确定后效时间长度,根据后效时间长度确定各样本的拓阶次数,并对数据进行主成分分析,消除各描述特征携带的噪音。最后采用非线性支持向量机对得到的主成分构建模型并预测。以深发展A股与上证A股两个数据集进行仿真,预测精度均明显高于参比模型。仿真结果表明,新方法能准确预测股价走势,且稳定性好,为股价预测领域提供了有效的手段。  相似文献   

15.
针对农产品期货价格波动的非线性及国内外期货产品的联动性特征,考虑到传统神经网络预测模型未能针对多源输入变量间的因果关系进行定量表征,构建融合传递熵的图神经网络预测模型。通过计算传递熵表示节点间的邻接矩阵,作为先验信息识别变量间的因果关系;设置多尺寸滤波器的时间卷积模块提取节点特征,用于识别序列时间依赖性;设置图卷积模块实现对节点信息及其邻域信息的传播与特征筛选,最后连接参数,输出最终的预测结果。在大豆期货数据上的实证研究表明,相较于现有的通用预测模型,该模型能够实现最佳的预测效果。  相似文献   

16.
价格预测对于大宗农产品市场的稳定具有重要意义,但是大宗农产品价格与多种因素有着复杂的相关关系.针对当前价格预测中对数据完整性依赖性强与单一模型难以全面利用多种数据特征等问题,提出了一种将基于注意力机制的卷积双向长短期记忆神经网络(CNN-BiLSTM-Attention)、支持向量机回归(SVR)与LightGBM组合的增强式集成学习方法,并分别在包含历史交易、天气、汇率、油价等多种特征数据的数据集上进行了实验.实验以小麦和棉花价格预测为目标任务,使用互信息法进行特征选择,选择误差较低的CNN-BiLSTM-Attention模型作为基模型,与机器学习模型通过线性回归进行增强式集成学习.实验结果表明该集成学习方法在小麦及棉花数据集上预测结果的均方根误差(RMSE)值分别为12.812, 74.365,较之3个基模型分别降低11.00%, 0.94%、4.44%,1.99%与13.03%, 4.39%,能够有效降低价格预测的误差.  相似文献   

17.
基于时间序列的支持向量机在股票预测中的应用   总被引:1,自引:0,他引:1  
由于股票预测是不确定、非线性、非平稳的时间序列问题,传统的方法往往难以取得满意的预测效果。本文提出一种基于时间序列的支持向量机(SVM)股票预测方法。利用沙河股份的股票数据,建立股票收盘价回归预测模型,该模型克服了传统时间序列预测模型仅局限于线性系统的情况。实验结果表明,该方法比神经网络方法以及时间序列方法的预测精度更高,可以很好的应用某些非线性时间序列的预测中。  相似文献   

18.
对于在深圳证券交易所上市的公司,通过分析和挖掘其季度报表或者相关交易网站中的数据,提取到排名预测任务中相关的数据特征以及通过爬虫获得的文本特征,成功构建了公司每股收益预测排名的模型,实现了对股价收益排名的合理预测.实验结果表明,我们的提出的模型能够有效的提高股价排名预测任务的性能,其中SPRP-Random Forests模型在NDCG@10评价指标中可以达到0.9583.在为股民选择股票,公司经营模式调整等方面具有一定的实用价值.  相似文献   

19.
针对消费价格指数(CPI)的预测值滞后于真实值的现象,提出一种基于卷积神经网络-长短期记忆(CNN-LSTM)深度网络的CPI预测模型,预测结果相较于传统方法有较小的均方根误差和平均绝对百分比误差,且预测结果的定向精度和Pearson相关系数显著高于传统方法。用卷积神经网络-长短期记忆深度网络学习期货数据的空间特征和时间特征,动态定量预测每日CPI的变化情况。为有效提高深度网络训练的样本数量,对月度CPI数据进行数据增强。通过滑动时间窗口动态训练模型,预测2019年1月至2020年5月CPI变化情况。模型预测CPI取得了较高的准确率,在基于日级别数据进行CPI预测时具有明显优势。  相似文献   

20.
为了进一步提升原油期货价格预测的精准性,本文基于CEEMDAN分解算法和ELM极限学习机模型,利用PSO粒子群优化算法对机器学习模型进行参数寻优,进而构建了CEEMDAN-PSO-ELM模型用于原油期货价格预测.先基于CEEMDAN算法对原始价格序列进行分解,然后利用Lempel-Ziv复杂度指数对分量进行重构,得到高频、中频和低频重构分量,再采用PSO-ELM模型对每个重构分量进行预测,利用PACF系数选取模型输入变量,最终加总集成各分量预测结果.实证结果表明,与其他15种基准模型相比,CEEMDAN-PSO-ELM模型的预测性能最佳,MCS检验和DM检验也进一步证实了该模型的稳健性.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号