文献类型：期刊文章

作　　者：孙延风[1] 梁艳春[2] 孟庆福[3]

机构地区：[1]吉林大学数学研究所,吉林长春130012 [2]吉林大学计算机科学与技术学院,国家教育部符号计算与知识工程重点实验室,吉林长春130012 [3]吉林大学商学院,吉林长春130012

出　　处：《吉林大学学报（信息科学版）》

基　　金：国家自然科学基金资助项目 (19872 0 2 7)

年　　份：2002

卷　　号：20

期　　号：1

起止页码：63-66

语　　种：中文

收录情况：AJ、CAS、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：提出了一种改进的 RBF (Radial Basis Functions,径向基函数 )神经网络最近邻聚类学习算法 ,并将其应用于股市预测问题。模拟结果表明 ,改进算法的拟合效果与拟合误差均明显好于常规最近邻聚类学习算法 ,可以较大幅度提高 RBF神经网络的预测性能。

关 键 词：神经网络 预测  径向基函数 最近邻聚类算法

分 类 号：TP183]