基于改进极限学习机算法的股票价格在线预测

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (20): 139-143.

• 数据库、数据挖掘、机器学习 • 上一篇下一篇

基于改进极限学习机算法的股票价格在线预测

陆玉，张华

阜阳职业技术学院，安徽阜阳 236031

出版日期:2014-10-15 发布日期:2014-10-28

Online prediction of stock price based on improved extreme learning machine

LU Yu, ZHANG Hua

Fuyang Vocational and Technical College, Fuyang, Anhui 236031, China

Online:2014-10-15 Published:2014-10-28

摘要/Abstract

摘要： 为了对股票价格进行准确、快速的在线预测，提出一种基于改进极限学习机算法（IELM）的股票价格在线预测模型。在极限学习机（ELM）中引入Cholesky分解方法，使网络权值随新样本的逐次加入递推更新，提高模型的泛化能力，加快网络学习效率，然后对交通银行股票（601328）的收盘价进行仿真实验。结果表明，相对于对比模型，IELM不仅提高了计算效率，而且提高了股票价格预测精度，可以实现股票价格快速、准确在线预测。

关键词: 股票价格, 极限学习机, 在线预测, 网络权值

Abstract: In order to conduct fast and accurate online prediction of stock price, a novel online prediction model of stock price based on Improved Extreme Learning Machine（IELM） algorithm is proposed. Cholesky factorization is introduced into Extreme Learning Machine（ELM） and weight can update based on sequential input new samples, and improve computational efficiency, and then simulation experiment is carried out on shares（601328）. The results show that the proposed model can improve computational efficiency and improve prediction precision of stock price, so the proposed model can be used in stock price online prediction.

Key words: stock price, Extreme Learning Machine（ELM）, online prediction, network weight

陆玉，张华. 基于改进极限学习机算法的股票价格在线预测[J]. 计算机工程与应用, 2014, 50(20): 139-143.

LU Yu, ZHANG Hua. Online prediction of stock price based on improved extreme learning machine[J]. Computer Engineering and Applications, 2014, 50(20): 139-143.

[1]	黄泽英，李海艳，林景亮. 迁移学习下的极限学习机代理建模方法及应用[J]. 计算机工程与应用, 2021, 57(22): 257-262.
[2]	沈少禹，蔡满春，芦天亮，赵琪. 基于LFKPCA-DWELM的入侵检测方案[J]. 计算机工程与应用, 2021, 57(17): 130-137.
[3]	赵京霞，钱育蓉，南方哲，张晗，行艳妮. CNN多层特征融合与ELM的乳腺疾病诊断方法[J]. 计算机工程与应用, 2020, 56(4): 122-127.
[4]	赵童，黄钲，王秀超，李淼，张昀，郑秀娟，刘凯. 心理测试中掩饰行为的识别研究[J]. 计算机工程与应用, 2020, 56(20): 158-164.
[5]	杨锦朋，常俊，余江，李晓薇. 免校准的跨异构设备的室内定位方法[J]. 计算机工程与应用, 2020, 56(2): 248-254.
[6]	陈媛，陈晓云. 流形极限学习机自编码特征表示[J]. 计算机工程与应用, 2020, 56(17): 150-155.
[7]	杨彦荣，宋荣杰，周兆永. 基于GAN-PSO-ELM的网络入侵检测方法[J]. 计算机工程与应用, 2020, 56(12): 66-72.
[8]	耿银凤，张雪英，李凤莲，胡风云，贾文辉，王超. 优化极限学习机及其在脑卒中TCD数据分类应用[J]. 计算机工程与应用, 2020, 56(10): 268-272.
[9]	邵良杉，李臣浩. 基于改进花粉算法的极限学习机分类模型[J]. 计算机工程与应用, 2020, 56(1): 172-179.
[10]	睢璐璐，韩东升，闫飞，阎高伟. 多任务正则极限学习机的研究与应用[J]. 计算机工程与应用, 2019, 55(3): 120-125.
[11]	易明雨，肖赤心，潘晖，舒文杰. 用于大数据分类的快速隐层优化分布式极限学习机[J]. 计算机工程与应用, 2019, 55(16): 165-169.
[12]	吴建波，王春艳，洪华军，方伟. 基于极限学习机的船舶柴油机故障诊断[J]. 计算机工程与应用, 2019, 55(15): 147-152.
[13]	魏迪，刘德山，闫德勤，张悦. 应用于人脸图像识别的邻域保持极限学习机[J]. 计算机工程与应用, 2019, 55(11): 187-191.
[14]	赵建堂. 大数据分割式极限学习机算法[J]. 计算机工程与应用, 2019, 55(10): 73-76.
[15]	贺高1，蒋明峰1，郑俊褒1，龚莹岚2. 卷积神经网络在心电逆问题中的应用[J]. 计算机工程与应用, 2019, 55(1): 123-127.

基于改进极限学习机算法的股票价格在线预测

Online prediction of stock price based on improved extreme learning machine

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics