作者：张燕平; 张铃; 吴涛; 徐锋; 张旻; 王伦文覆盖算法股市预测时间序列
摘要：覆盖算法是神经网络学习算法中的一个十分有效的方法,它克服了基于搜索机制的学习方法和规划学习方法计算复杂性高,难以用于处理海量数据的不足,为神经网络提供一个构造性的学习方法.但该方法是建立在所有训练样本都是精确的假设上的,未考虑到所讨论的数据具有不精确的情况,若直接将该方法应用于数据不精确情况,所得到效果不理想.主要讨论数据具有不精确情况下的时间序列的预测问题.为此将原有的覆盖算法进行改进,引入"覆盖强度"和"拒识样本"的概念,并结合这些新概念给出相应的覆盖学习算法(简称SLA),最后将SLA算法,应用于金融股市的预测,具体应用到以上(海)证(券)综合指数构成的时间序列的预测,取得了较好的结果,这表明了SLA方法的可行性和应用前景.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
