KPCA算法及其在股市中的应用.pdfVIP

第 14 卷 　第 12 期 微 　机 　发 　展 Vol . 14 　No . 12 　　　　　　　　　　　　　 　　　　　　　　　　　　　　 2004 年 12 月 Microcomputer Develop ment Dec . 2004 KPCA 算法及其在股市中的应用 张 　媛 ,张燕平 ,赵 　姝 ,陈传明 (安徽大学 人工智能研究所 ,安徽 合肥 230039) 摘 　要 :主成份分析法是用于简化数据的一种技术 ,现实世界中的数据复杂且庞大 ,对于某些复杂数据就可应用主成分分 析法对其进行简化 。文中着重介绍了健壮性 KPCA 算法并引入了粒度的思想 ,健壮性 KPCA 算法能推导出特征空间中信 号重组的最小错误标准 ,并自动识别训练样本集中的无关数据 ,且经过计算消除它们对 KPCA 算法准确度的影响。可以将 其应用于股票数据中,并将所得的主分量图与原图比较 ,发现效果明显 , 由此可看出 KPCA 算法是一种相当有用的算法 。 关键词 :主成份分析 ;健壮性 KPCA ;样本集 ( ) 中图分类号 : TP30 16 　　　　　　　文献标识码 :A 　　　　　　文章编号 : 1005 - 375 1 2004 12 - 0 129 - 03 Algorithm of KPCA and Its Appl ication in Stock Market ZHAN G Yuan ,ZHAN G Yanping ,ZHAO Shu ,CHEN Chuanming (Artificial Intelligence Institute ,Anhui University ,Hefei 230039 ,China) Abstract :Principal component analysis ( PCA) is a technique used to reduce t he complication of data . In t he world data is huge and compli cated . To some complicated data can use PCA to reduce t hem . The paper places t he emp hases on t he robust KPCA algorit hm . It show s t hat robust KPCA algorit hm can generalize t he minimum error criteria of signal reconst ruction to feature space and recognize t he outlier s in t he t raining sample set automatically ,t hen exterminate t heir effect s to t he accuracy of t he KPCA . In t he experiment , use KPCA to analyse data of stock and compare original chart wit h t he result of t he experiment . The effect is obvious. So we can know KPCA is a considerably available algorit hm .