期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到40篇文章
< 1 2 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
Feature Selection Method by Applying Parallel Collaborative Evolutionary Genetic Algorithm 认领 引用 被引量：1
1
作者 Hao-Dong Zhu Hong-Chan Li +1 位作者 Xiang-Hui Zhao Yong Zhong 《Journal of Electronic Science and Technology》 CAS 2010年第2期108-113,共6页
Feature selection is one of the important topics in text classification. However, most of existing feature selection methods are serial and inefficient to be applied to massive text data sets. In this case, a feature ... Feature selection is one of the important topics in text classification. However, most of existing feature selection methods are serial and inefficient to be applied to massive text data sets. In this case, a feature selection method based on parallel collaborative evolutionary genetic algorithm is presented. The presented method uses genetic algorithm to select feature subsets and takes advantage of parallel collaborative evolution to enhance time efficiency, so it can quickly acquire the feature subsets which are more representative. The experimental results show that, for accuracy ratio and recall ratio, the presented method is better than information gain, x2 statistics, and mutual information methods; the consumed time of the presented method with only one CPU is inferior to that of these three methods, but the presented method is supe rior after using the parallel strategy. 展开更多
关键词 Index Terms-Feature selection genetic algorithm parallel collaborative evolutionary text mining.
暂未订购 下载PDF
Nonnegative Group Lasso and Application in Index Tracking 认领 引用
2
作者 GAO Ruiyao QI Kai TU Jingwen 《应用概率统计》 CSCD 北大核心 2025年第6期890-909,共20页
Index tracking is known to be a passive portfolio management strategy by replicating the performance of a real or virtual index.However,the full replication,which considers all the asserts consisted of the index,often... Index tracking is known to be a passive portfolio management strategy by replicating the performance of a real or virtual index.However,the full replication,which considers all the asserts consisted of the index,often suffers from small and illiquid positions and large transaction costs.Thus,it is preferred to purchase sparse portfolios.Besides,existing literature pointed out the phenomenon of the co-movement in assert returns,indicating that the index tracking problems possibly contain group structures together with sparsity.Based on the consideration of the grouping effects and sparsity in index tracking problems,this paper proposes a grouping sparse index tracking model with nonnegative restrictions.We derive a modified version of coordinate decent algorithm for solving the model.The asymptotic properties are also discussed in detail.To show the efficiency of the model,we apply it into the constrained index tracking problem in Shanghai stock market,i.e.tracking SSE 50 Index.By selecting about 10 stocks,the result shows that nonnegative group lasso outperforms nonnegative lasso in assert allocation. 展开更多
关键词 nonnegative group lasso index tracking asymptotic unbiasedness variable selection consistency block-wise coordinate decent algorithm
暂未订购 下载PDF
To Rise or to Fall?Chinese Medicinal Materials Price Index Trend Prediction using GA-XGBoost Feature Selection and Bi-GRU Deep Learning 认领 引用
3
作者 Ye Liang Chonghui Guo 《Journal of Systems Science and Systems Engineering》 SCIE EI CSCD 2025年第5期532-557,共26页
As the national Chinese medicine market develops,Chinese medicinal materials price index(CMMPI)trend is worthy of attention.Predicting future CMMPI trend plays a significant role in risk prevention,cultivation,and tra... As the national Chinese medicine market develops,Chinese medicinal materials price index(CMMPI)trend is worthy of attention.Predicting future CMMPI trend plays a significant role in risk prevention,cultivation,and trade for farmers and investors.This study aims to design a high-precision model to predict the future trend of the CMMPI.The model incorporates environmental factors such as weather conditions and air quality that have a greater impact on the growth of Chinese medical plants and the supply of Chinese medicinal materials market.Specifically,we collected multi-source heterogeneous data,including weather data,air quality data,and historical CMMPI data,to construct informative features.Additionally,we proposed a feature selection method based on the genetic algorithm and XGBoost to select features.Finally,we transferred the selected features to the bidirectional GRU deep learning to realize the accurate prediction of the CMMPI trend.We collected 46 CMMPI datasets to test the proposed model.The results show that the proposed model obtained more superior prediction compared to the state-of-the-art methods,and specialized in predicting long-term goal(90 days).Taking the Yunnan and Xizang origin index as examples,the experiment results also show the weather and air quality data can improve the prediction performance,as these factors are known to influence the growth and market supply of Chinese medicinal materials. 展开更多
关键词 Chinese medicinal material price index genetic algorithm XGBoost feature selection deep learning prediction
暂未订购 下载PDF
基于纹理指数协同优选的冬小麦叶面积指数估算模型 认领 引用
4
作者 胡皓 王颖 +4 位作者 张超 邓梅华 冯绍元 俞伟豪 张园林 《扬州大学学报（自然科学版）》 CAS 2026年第1期51-58,共8页
叶面积指数(leaf area index,LAI)是表征植被生长状态的核心参数,其精准估算对冬小麦高效管理至关重要。针对现有研究中特征变量选择针对性不足、纹理指数应用单一的问题,提出一种基于多方法协同优选的LAI估算模型。结合无人机多光谱遥... 叶面积指数(leaf area index,LAI)是表征植被生长状态的核心参数,其精准估算对冬小麦高效管理至关重要。针对现有研究中特征变量选择针对性不足、纹理指数应用单一的问题,提出一种基于多方法协同优选的LAI估算模型。结合无人机多光谱遥感影像,通过灰度共生矩阵提取冠层5个波段的8类纹理特征,构建波段组合的比值型与归一化差值型纹理指数共160个,融合沙普利可加性解释(Shapley additive explanations,SHAP)算法、Pearson相关分析及前向特征选择法进行特征优化,并基于优选的特征集构建随机森林(random forest,RF)估算模型。结果表明:归一化差值型纹理指数INDTcon(B,RE)是对LAI预测贡献度最高的关键特征变量;通过协同优选策略筛选出9个纹理指数,构建了最优变量集;基于最优变量所构建的RF-LAI估算模型在测试集上表现出良好的估算能力。研究结果可为作物表型参数的精准遥感监测提供有效且具有可解释性的技术方案。 展开更多
关键词 叶面积指数 纹理指数 SHAP算法 随机森林 特征选择
暂未订购 下载PDF
Unsupervised Quick Reduct Algorithm Using Rough Set Theory 认领 引用 被引量：2
5
作者 C. Velayutham K. Thangavel 《Journal of Electronic Science and Technology》 CAS 2011年第3期193-201,共9页
Feature selection （FS） is a process to select features which are more informative. It is one of the important steps in knowledge discovery. The problem is that not all features are important. Some of the features ma... Feature selection （FS） is a process to select features which are more informative. It is one of the important steps in knowledge discovery. The problem is that not all features are important. Some of the features may be redundant, and others may be irrelevant and noisy. The conventional supervised FS methods evaluate various feature subsets using an evaluation function or metric to select only those features which are related to the decision classes of the data under consideration. However, for many data mining applications, decision class labels are often unknown or incomplete, thus indicating the significance of unsupervised feature selection. However, in unsupervised learning, decision class labels are not provided. In this paper, we propose a new unsupervised quick reduct （QR） algorithm using rough set theory. The quality of the reduced data is measured by the classification performance and it is evaluated using WEKA classifier tool. The method is compared with existing supervised methods and the result demonstrates the efficiency of the proposed algorithm. 展开更多
关键词 Index Terms--Data mining rough set supervised and unsupervised feature selection unsupervised quick reduct algorithm.
暂未订购 下载PDF
Optimized selection of suitable sites for farmland consolidation projects using multi-objective genetic algorithms 认领 引用 被引量：1
6
作者 Wang Lu Huang Ningsheng +4 位作者 Kuang Yaoqiu Zhou Jinhao Zhao Yuan Zhang Zhen Hu Yueming 《International Journal of Agricultural and Biological Engineering》 SCIE EI 2014年第3期19-27,共9页
In order to select suitable sites for farmland consolidation projects,correlation analysis and evolutionary algorithms were used to optimize the evaluation of ecological,social and economic factors,avoiding subjective... In order to select suitable sites for farmland consolidation projects,correlation analysis and evolutionary algorithms were used to optimize the evaluation of ecological,social and economic factors,avoiding subjective selection and ignorance of spatial relationships among land attributes.Multi-objective Genetic Algorithms(MOGA)were applied to select the best sites from the perspective of spatial relationship and land attribute evaluation.With carefully defined restrictions and variables,multi-objective optimization is able to select several suitable sites for farmland consolidation projects.The results from a case study in Yangshan,Guangdong of China showed that the selected sites were on the central and southern Yangshan with expected flat terrain and abundant water resources.An empirical experiment also demonstrated that the proposed method is able to provide well selected sites for land consolidation projects. 展开更多
关键词 farmland consolidation site selection evaluation index system multi-objective optimization genetic algorithm suitability
基于随机森林算法的城市火灾风险评估研究 认领 引用 被引量：17
7
作者 吴立志 陈振南 张鹏 《灾害学》 CSCD 北大核心 2021年第4期54-60,共7页
为定量分析城市火灾风险,引入随机森林算法。首先设计基于随机森林算法的递归特征消除方法优化初选的14个自变量指标,剔除无关或冗余变量;其次基于随机森林算法的平均准确度降低方法计算特征重要度,将其归一化结果作为指标的权重;最后... 为定量分析城市火灾风险,引入随机森林算法。首先设计基于随机森林算法的递归特征消除方法优化初选的14个自变量指标,剔除无关或冗余变量;其次基于随机森林算法的平均准确度降低方法计算特征重要度,将其归一化结果作为指标的权重;最后结合指标数据,使用线性加权法评估城市火灾风险。以济南市区为例的实证研究显示:经过特征选择操作后发现只有10个指标时模型误差最小,MSE为7.43×10-4;用于计算指标权重的随机森林模型与实际火灾密度拟合的决定系数R 2>0.85,精度较高,可用于对指标的客观赋权;火灾风险评估结果不仅显示历史火灾较多的区域是高风险区,也可得到火灾发生较少区域的风险值。 展开更多
关键词 城市火灾 风险评估 随机森林算法 特征选择 指标权重
暂未订购 下载PDF
改进的基于粒子群优化的支持向量机特征选择和参数联合优化算法 认领 引用 被引量：38
8
作者 张进 丁胜 李波 《计算机应用》 CSCD 北大核心 2016年第5期1330-1335,共6页
针对支持向量机（SVM）中特征选择和参数优化对分类精度有较大影响,提出了一种改进的基于粒子群优化（PSO）的SVM特征选择和参数联合优化算法（GPSO-SVM）,使算法在提高分类精度的同时选取尽可能少的特征数目。为了解决传统粒子群算法... 针对支持向量机（SVM）中特征选择和参数优化对分类精度有较大影响,提出了一种改进的基于粒子群优化（PSO）的SVM特征选择和参数联合优化算法（GPSO-SVM）,使算法在提高分类精度的同时选取尽可能少的特征数目。为了解决传统粒子群算法在进行优化时易出现陷入局部最优和早熟的问题,该算法在PSO中引入遗传算法（GA）中的交叉变异算子,使粒子在每次迭代更新后进行交叉变异操作来避免这一问题。该算法通过粒子之间的不相关性指数来决定粒子之间的交叉配对,由粒子适应度值的大小决定其变异概率的大小,由此产生新的粒子进入到群体中。这样使得粒子跳出当前搜索到的局部最优位置,提高了群体的多样性,在全局范围内寻找更优值。在不同数据集上进行实验,与基于PSO和GA的特征选择和SVM参数联合优化算法相比,GPSO-SVM的分类精度平均提高了2%~3%,选择的特征数目减少了3%~15%。实验结果表明,所提算法的特征选择和参数优化效果更好。 展开更多
关键词 支持向量机 特征选择 参数优化 粒子群优化算法 遗传算法 不相关性指数
暂未订购 下载PDF
基于改进A*算法的高速公路选线决策辅助模型 认领 引用 被引量：6
9
作者 陈雨人 黎东丰 +1 位作者 余博 高健强 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第9期1-8,17,共8页
为提高山区高速公路选线的智能化水平,基于改进A*算法对高速公路选线决策辅助模型进行了分析。提出了高速公路选线的平面约束指标和纵断面约束指标;根据山区高速公路选线实际情况,从估价函数、搜索范围、搜索方向、数据结构、优化方法... 为提高山区高速公路选线的智能化水平,基于改进A*算法对高速公路选线决策辅助模型进行了分析。提出了高速公路选线的平面约束指标和纵断面约束指标;根据山区高速公路选线实际情况,从估价函数、搜索范围、搜索方向、数据结构、优化方法等方面对传统A*算法进行了改进,建立高速公路选线决策辅助模型;并通过实际案例验证了该模型的有效性。研究结果表明:与传统A*算法相比,改进A*算法在搜索时间、搜索次数、搜索节点数方面分别降低了约75%、48%、44%;路线优化后的总转折角度和长度分别降低了约83%和17%;高速公路选线决策辅助模型能有效地处理自然环境复杂条件下的选线问题,具有较高的实用价值。 展开更多
关键词 道路工程 高速公路选线决策辅助模型 改进A~*算法 山区选线 选线约束指标
暂未订购 下载PDF
求解函数优化问题的改进的人工蜂群算法 认领 引用 被引量：15
10
作者 葛宇 梁静 +1 位作者 王学平 谢小川 《计算机科学》 CSCD 北大核心 2013年第8期252-257,共6页
为提高人工蜂群算法求解复杂函数优化问题的性能,分析了算法中侦察蜂逃逸行为的不足,并对其进行改进:定义了逃逸指标,使其能准确地反映个体状态对算法早熟的影响;重新设计选择机制,让侦察蜂不需要参数控制,能自适应地选择可能导致算法... 为提高人工蜂群算法求解复杂函数优化问题的性能,分析了算法中侦察蜂逃逸行为的不足,并对其进行改进:定义了逃逸指标,使其能准确地反映个体状态对算法早熟的影响;重新设计选择机制,让侦察蜂不需要参数控制,能自适应地选择可能导致算法早熟收敛的个体执行逃逸操作;改进了逃逸算子,降低了逃逸操作的盲目性。通过9个典型测试问题的实验结果表明:在指定误差精度下,本改进算法均能有效收敛;同时与基本人工蜂群算法和已有的典型改进相比,本改进算法在收敛精度和速度上均有明显提高。说明提出的改进策略能有效提高算法求解复杂函数优化问题的能力。 展开更多
关键词 人工蜂群算法 早熟收敛 逃逸指标 选择机制 逃逸算子
暂未订购 下载PDF
基于有效性指标的聚类算法选择 认领 引用 被引量：10
11
作者 王开军 李晓 《四川师范大学学报（自然科学版）》 CAS CSCD 北大核心 2011年第6期915-918,共4页
为数据集选择合适的聚类算法是获得高质量聚类结果的前提和保障.提出了基于有效性指标的聚类算法选择方法,通过对不同聚类算法的聚类结果的质量评价为数据集选择最适合的聚类算法.该方法的优点是在对数据集的情况了解甚少的情况下,也能... 为数据集选择合适的聚类算法是获得高质量聚类结果的前提和保障.提出了基于有效性指标的聚类算法选择方法,通过对不同聚类算法的聚类结果的质量评价为数据集选择最适合的聚类算法.该方法的优点是在对数据集的情况了解甚少的情况下,也能有效地保障聚类质量.实验结果表明本文方法十分有效,为实验数据集正确选择出最适合的聚类算法,并获得了高质量的聚类结果. 展开更多
关键词 聚类算法选择 有效性指标 Silhouette指标
暂未订购 下载PDF
基于机器学习算法的甘肃省草原地上生物量 认领 引用 被引量：8
12
作者 李霞 刘兴明 +7 位作者 孙斌 姜佳昌 俞慧云 吴丹丹 杜笑村 王红霞 贾晶晶 杨红梅 《草业科学》 CAS CSCD 北大核心 2024年第2期297-307,共11页
为评估甘肃省草原地上生物量的变化情况,本研究采用甘肃省2005-2018年草原地上生物量实测数据以及植被指数和气象等参数,构建多种基于机器学习算法的甘肃省草原生物量反演模型,并对其预测精度进行对比和评价。结果表明:1)随机森林模型... 为评估甘肃省草原地上生物量的变化情况,本研究采用甘肃省2005-2018年草原地上生物量实测数据以及植被指数和气象等参数,构建多种基于机器学习算法的甘肃省草原生物量反演模型,并对其预测精度进行对比和评价。结果表明:1)随机森林模型更适宜于甘肃省草原地上生物量遥感反演。基于筛选后的17个变量的Rborist随机森林模型的反演精度最高,R2为0.758。2)甘肃省草原地上生物量均值介于828.21~1 118.71 kg·hm-2,近20年来呈逐年增加趋势,年均增加幅度为8.13 kg·hm-2(P <0.05)。3)甘肃省47.41%的草原呈恢复趋势,26%的草原保持稳定,而26.59%的草原呈不同程度的恶化趋势。 展开更多
关键词 机器学习 前向特征选择算法 随机森林 植被指数 生物量反演 空间分布 年际变化
暂未订购 下载PDF
基于潜在语义索引和遗传算法的文本特征提取方法 认领 引用 被引量：16
13
作者 郝占刚 王正欧 《情报科学》 CSSCI 北大核心 2006年第1期104-107,共4页
本文采用潜在语义索引(LSI)和遗传算法(GA)进行文本特征提取。在采用潜在语义索引将语义关系体现在VSM(Vector Space Model)中,通过奇异值分解(SVD,Singular Value De-composition)可以有效地降低向量空间的维数,但通过维数约简后的文... 本文采用潜在语义索引(LSI)和遗传算法(GA)进行文本特征提取。在采用潜在语义索引将语义关系体现在VSM(Vector Space Model)中,通过奇异值分解(SVD,Singular Value De-composition)可以有效地降低向量空间的维数,但通过维数约简后的文本特征仍要保持在数百维左右,因此本文采用遗传算法在此基础上继续降维。实验结果表明,这两种方法结合可以极大的降低文本向量空间的维数,并能提高分类准确率。 展开更多
关键词 特征提取 潜在语义索引 遗传算法 Kohonen网络
暂未订购 下载PDF
基于车载GPS轨迹的立体交叉口空间结构信息获取方法 认领 引用 被引量：9
14
作者 唐炉亮 于智伟 +2 位作者 任畅 杨雪 张亚涛 《交通运输工程学报》 EI CSCD 北大核心 2019年第5期170-179,共10页
为了识别立体交叉口中不同的行驶规则,利用随机森林特征选择方法分析了车辆轨迹数据特征,按照重要性评分对特征进行聚类;利用戴维森堡丁指数衡量聚类结果,获得交叉口最优聚类结果下的各个行驶规则的聚类簇,并构建聚类簇范围约束的狄洛... 为了识别立体交叉口中不同的行驶规则,利用随机森林特征选择方法分析了车辆轨迹数据特征,按照重要性评分对特征进行聚类;利用戴维森堡丁指数衡量聚类结果,获得交叉口最优聚类结果下的各个行驶规则的聚类簇,并构建聚类簇范围约束的狄洛尼三角网;利用骨架线提取与公共序列合并方法,提取立体交叉口的几何结构与拓扑连通关系,获取城市立体交叉口空间结构信息;以武汉市2016年出租车轨迹为数据源,选取了武汉市城区立体交叉口进行空间结构信息获取试验。研究结果表明:立体交叉口中车载GPS轨迹特征重要性评分的前4项依次是终点角度、起点角度、起终点角度差、中间角度平均值,其中利用终点角度与起点角度特征组合的聚类结果是最优的;立体交叉口空间结构信息获取方法在直行、左转、右转方向下识别准确率分别为85.7%、85.4%、87.5%,综合准确率为86.2%,直行、左转、右转方向下信息召回率分别为91.5%、87.2%、85.9%,综合召回率为88.2%,因此,较高的准确率与召回率说明本文提出的方法可以准确识别立体交叉口空间结构信息,并提取立体交叉口中各个行驶规则的几何与拓扑连通关系。 展开更多
关键词 交通信息 立体交叉口空间结构 轨迹聚类 随机森林选择方法 GPS轨迹数据 戴维森堡丁指数
暂未订购 下载PDF
载人潜器载人舱布局优化 认领 引用 被引量：5
15
作者 刘峰 韩端锋 韩海辉 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2014年第1期30-37,共8页
针对载人潜器载人舱布局问题,以模糊层次综合评估方法为主要方法开展了载人潜器载人舱布局方案综合评估的研究工作。研究了评估指标体系的构建原则和分析标准,对载人潜器载人舱布局进行了人机工程要求分析,并在此基础上建立了载人潜器... 针对载人潜器载人舱布局问题,以模糊层次综合评估方法为主要方法开展了载人潜器载人舱布局方案综合评估的研究工作。研究了评估指标体系的构建原则和分析标准,对载人潜器载人舱布局进行了人机工程要求分析,并在此基础上建立了载人潜器载人舱布局方案的评估指标体系及其递阶层次结构;提出了载人舱布局评估流程,对于该流程的可行性进行了有效验证;建立了布局优化评估的数学模型,选择并列选择遗传算法作为布局优化的求解方法。最后,针对一型载人潜器载人舱布局进行了研究,得到了优化的布局,验证了指标体系及算法的可行性,为载人潜器载人舱布局设计提供了参考。 展开更多
关键词 载人潜器 载人舱 指标体系 布局优化 并列选择遗传算法
暂未订购 下载PDF
高速铁路车站选址评价模型及算法研究 认领 引用 被引量：14
16
作者 沈海燕 贺晓玲 《铁路计算机应用》 2011年第1期5-8,共4页
分析高速铁路车站选址的关键因素,据此建立一套较为全面的多层次评价指标体系。对模糊评价方法进行改进,采用层次分析法确定各因素权重。将指标分为定量和定性两类,制定定量指标的评价准则,采用线性插值的方法建立隶属函数,运用隶属函... 分析高速铁路车站选址的关键因素,据此建立一套较为全面的多层次评价指标体系。对模糊评价方法进行改进,采用层次分析法确定各因素权重。将指标分为定量和定性两类,制定定量指标的评价准则,采用线性插值的方法建立隶属函数,运用隶属函数计算得到模糊判断矩阵,最后用多级模糊评价方法复合运算得到高速铁路车站选址的得分和评语等级。通过仿真模拟值进行实例分析,运用该种方法在一定程度上降低评价方法的主观性,提高评价的准确性和科学性。 展开更多
关键词 高速铁路 车站选址 评价指标 评价模型及算法
暂未订购 下载PDF
基于多信号流图模型的导弹系统级测试性设计研究 认领 引用 被引量：5
17
作者 韩露 史贤俊 +1 位作者 翟禹尧 林云 《电子测量与仪器学报》 CSCD 北大核心 2021年第5期111-119,共9页
针对导弹长时间贮存,一次性使用特点,开展测试性设计工作难度较大的问题,提出采用多信号流图模型对导弹系统进行测试性设计研究。根据故障模式、影响及危害性分析(FMECA)信息确定系统的故障模式,采用多信号流图模型建立导弹系统级测试... 针对导弹长时间贮存,一次性使用特点,开展测试性设计工作难度较大的问题,提出采用多信号流图模型对导弹系统进行测试性设计研究。根据故障模式、影响及危害性分析(FMECA)信息确定系统的故障模式,采用多信号流图模型建立导弹系统级测试性模型,根据可达性算法得到故障-测试相关性矩阵,确定系统的测试性指标。考虑到现有算法如遗传算法、二进制粒子群算法等诸多算法的缺点,提出采用混合离散二进制粒子群-遗传算法对测试进行优化选取,将22个备选测试减少至14个,大大减少测试个数。最后通过实例验证,所提算法可以满足系统测试性指标精度要求,并有效降低测试个数,减少测试费用。 展开更多
关键词 测试性设计 多信号流图模型 相关性矩阵 测试性指标 混合离散二进制粒子群-遗传算法 测试优化选取
暂未订购 下载PDF
基本指数-最小下半方差投资组合优化研究 认领 引用 被引量：2
18
作者 张鹏 李欣茵 曾永泉 《华南师范大学学报（自然科学版）》 CAS 北大核心 2021年第3期93-101,共9页
为了克服方差作为风险度量无法区分收益和损失的局限性,同时弥补经典均值-方差模型忽略了企业基本面状况的缺陷,该文结合下半方差和基本指数的优点,分别考虑1-、2-范数交易成本,构建了基于期望效用最大化的基本指数-最小下半方差投资组... 为了克服方差作为风险度量无法区分收益和损失的局限性,同时弥补经典均值-方差模型忽略了企业基本面状况的缺陷,该文结合下半方差和基本指数的优点,分别考虑1-、2-范数交易成本,构建了基于期望效用最大化的基本指数-最小下半方差投资组合模型(简称“FI-semiv模型”),并运用不等式组的旋转算法进行求解.文章通过“滚动窗口”的方法,对FI-semiv模型进行了样本外检验与分析,并进一步将该模型与最小方差模型、最小下半方差模型和等比例投资模型的夏普比率进行对比.结果表明:基于FI-semiv模型构建的投资组合的夏普比率得到了有效提高,FI-semiv投资组合的风险更小,投资效率更高. 展开更多
关键词 基本指数投资组合模型 最小下半方差投资组合模型 范数交易成本 旋转算法 夏普比率
暂未订购 下载PDF
支持向量回归参数调节及应用研究 认领 引用 被引量：2
19
作者 王至超 张化祥 《计算机工程与设计》 CSCD 北大核心 2011年第8期2821-2824,共4页
为有效解决支持向量回归中的参数选择问题,提出了一种新算法——AGA-SVR。在该算法中,通过适时增加染色体变异的概率来提高染色体的多样性,克服了标准遗传算法存在个体容易早熟的缺陷,从而增加学习到全局最优的几率。通过将AGA-SVR应用... 为有效解决支持向量回归中的参数选择问题,提出了一种新算法——AGA-SVR。在该算法中,通过适时增加染色体变异的概率来提高染色体的多样性,克服了标准遗传算法存在个体容易早熟的缺陷,从而增加学习到全局最优的几率。通过将AGA-SVR应用于上证开盘指数预测,结果验证了该算法优于标准遗传算法及经典梯度下降算法。 展开更多
关键词 遗传算法 支持向量机 核函数 上证指数 参数选择
暂未订购 下载PDF
基于改进粒子群算法的风力机选型应用研究 认领 引用 被引量：1
20
作者 章伟 邓院昌 曾雪兰 《可再生能源》 CAS 北大核心 2012年第10期33-37,共5页
风力机的选型是风电场建设的重要内容,它对风电场建设造价、投产后的发电量以及运行维护成本等有直接影响。文章在给定风资源的情况下,综合考虑风电场的容量系数和实际发电量,以风力机性能指数作为选型的依据,针对采用常规方法进行风力... 风力机的选型是风电场建设的重要内容,它对风电场建设造价、投产后的发电量以及运行维护成本等有直接影响。文章在给定风资源的情况下,综合考虑风电场的容量系数和实际发电量,以风力机性能指数作为选型的依据,针对采用常规方法进行风力机参数线性化求解的缺陷,采用智能化的改进粒子群算法对风力机参数进行寻优。与常规计算方法相比,该方法寻得的风力机性能指数更优。结合具体实例计算候选机型的风速加权标准差,选出最优风力机。该研究结果为风电场的风力机选型提供了一种有效可行的方法,具有一定的应用参考价值。 展开更多
关键词 风力机选型 性能指数 粒子群算法 参数寻优
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈