Indexed by：
Abstract：
股票市场的预测研究有着重要的意义,然而由于股指序列的非平稳性、非线性、长记忆性等特性使其预测工作甚为艰难.文章针对传统的人工智能技术在算法收敛速度、泛化和抗噪能力上的问题,采用粒子群算法对核极限学习机的参数进行寻优,建立粒子群算法优化后的核极限学习机股票指数预测模型.结果表明,所构建的模型在股票指数预测的结果中,相比传统的极限学习机模型表现出预测性能的优越性和稳健性.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
统计与决策
ISSN： 1002-6487
CN： 42-1009/C
Year： 2021
Issue： 13
Page： 148-150
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
