遗传算法及BP神经网络融合策略在股市预测中应用.pdfVIP

下载本文档

11
0
约 58页
2015-09-29 发布于江苏
举报
版权申诉

遗传算法及BP神经网络融合策略在股市预测中应用.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

目录摘要 I ABSTRACT II 第一章绪论1 1.1 课题研究的背景及意义 1 1.2 课题的依据 1 1.3 股市预测研究现状 2 1.4 本文主要工作 3 第二章股票的基本知识及其预测 4 2.1 股票基本知识 4 2.1.1 股票的特征 4 2.1.2 影响我国股市的因素 4 2.2 股票预测5 2.2.1 神经网络预测方法 6 2.2.2 神经网络预测方法与传统预测方法的比较 7 2.2.3 股市预测面临的主要难题 8 第三章遗传算法9 3.1 遗传算法简介 9 3.1.1 遗传算法的基本概念 9 3.1.2 遗传算法的一般流程 10 3.2 遗传算法的基本操作 11 3.2.1 选择（Selection） 12 3.2.2 交叉（Crossover） 13 3.2.3 变异（Mutation） 14 3.3 遗传算法的特点 14 3.3.1 遗传算法的优点 14 3.3.2 遗传算法的局限性 15 第四章神经网络及BP 算法 16 4.1 神经网络简介 16 4.1.1 生物神经网络的启示 16 4.1.2 人工神经元 17 4.1.3 神经网络的拓扑结构 18 4.1.4 神经网络的学习规则 18 4.1.5 神经网络的特点 19 4.2 BP神经网络 19 4.2.1 BP神经网络概述 20 4.2.2 BP神经网络的原理 20 4.2.3 BP 神经网络算法流程 21 4.2.4 BP神经网络的主要特点 25 4.2.5 BP算法的常用改进方法 27 4.3 BP神经网络的初始化 28 4.3.1 三层BP神经网络的确定 28 4.3.2 输入、输出层的设计 28 4.3.3 隐含层节点数的选定 28 4.3.4 初始权值、阈值的选取 29 4.3.5 学习速率的选取 29 4.3.6 数据的归一化 30 第五章遗传算法与BP 神经网络的融合策略 31 5.1 概述31 5.2 遗传算法与神经网络的结合 31 5.2.1 遗传算法对神经网络连接权的优化 31 5.2.2 遗传算法对神经网络结构的优化 32 5.2.3 遗传算法对神经网络学习规则的优化 33 5.3 遗传算法优化神经网络连接权的一般流程 33 5.4 遗传算法与神经网络结合的发展及研究动向 35 第六章股市预测系统的实现与比较分析 36 6.1 系统目标36 6.2 网络模型及参数的确定 36 6.2.1 预测网络模型的确定 36 6.2.2 预测网络参数的设定 37 6.3 系统实施38 6.3.1 开发平台 39 6.3.2 系统实施流程 39 6.3.3 系统初始化 39 6.3.4 样本数据的处理 40 6.3.4.1历史数据的选取 40 6.3.4.2 样本数据的筛选 41 6.3.4.3 样本数据归