本文已被：浏览 1666次 下载 2728次
Received:March 03, 2009
Received:March 03, 2009
中文摘要: 在混沌理论的基础上，利用改进的RBF神经网络算法对金融时序列数据进行预测，训练过程中采用动态方法调整径向基函数的中心点和宽度。最后通过对股票数据进行多日滚动预测证明该算法较改进前提高了预测的准确度，缩短了训练时间。
中文关键词: 径向基函数 最近邻聚类 最小二乘法 时序列 混沌理论
Abstract:
keywords:
文章编号： 中图分类号： 文献标志码：
基金项目:
| Author Name | Affiliation |
| 刘淑梅 | 北京化工大学 信息科学与技术学院 北京 100029 |
| 朱一嘉 | |
| 许南山 |
| Author Name | Affiliation |
| 刘淑梅 | 北京化工大学 信息科学与技术学院 北京 100029 |
| 朱一嘉 | |
| 许南山 |
引用文本：
刘淑梅,朱一嘉,许南山.改进的RBF神经网络算法在金融时序列预测中的应用①.计算机系统应用,2009,18(11):176-178
.Application of Adjusted RBF Neural Networks to Financial Time Series Data Forecasting.COMPUTER SYSTEMS APPLICATIONS,2009,18(11):176-178
刘淑梅,朱一嘉,许南山.改进的RBF神经网络算法在金融时序列预测中的应用①.计算机系统应用,2009,18(11):176-178
.Application of Adjusted RBF Neural Networks to Financial Time Series Data Forecasting.COMPUTER SYSTEMS APPLICATIONS,2009,18(11):176-178
