股票异常波动检测的自适应高斯过程算法
通过对股票样本历史数据噪音分析，引入高斯过程算法，实现了样本数据的回归预测模型；通过置信区间计算，估计正常数据的取值范围，从而实现异常数据的检测，同时结合蚁群算法，提出了高斯过程参数自适应机制。通过实验，该算法与其它算法对比，结果表明该算法可以在保证了近似的准确性的基础上，较大幅度地提高了计算效率，提升用户满意度。
异常数据 高斯过程 机器学习
杜占玮 杨永健 肖敏 白媛
吉林大学 计算机科学与技术学院,长春130012
国内会议
长春
中文
1-10
2012-08-04（万方平台首次上网日期，不代表论文的发表时间）