文献类型：期刊文章

作　　者：许杞刚[1] 刘明军[1] 李海[2]

机构地区：[1]济南大学信息科学与工程学院,山东省网络环境智能计算技术重点实验室,山东济南250022 [2]山东省信息中心,山东济南250011

出　　处：《济南大学学报（自然科学版）》

基　　金：山东省自然科学基金(ZR2011FL016)

年　　份：2014

卷　　号：28

期　　号：2

起止页码：114-117

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、ZGKJHX、核心刊

摘　　要：基于传统K最近邻算法,针对农产品价格波动符合时间序列的特点,在通过计算相似度决定最近邻的时候,采用多项式函数和欧氏距离结合的方法,并用粒子群优化算法对多项式函数系数、K值的选取进行参数优化,得到改进的预测模型。实验表明,改进的预测模型的预测误差为0.281 46,传统模型的预测误差为0.371 93,预测精度提高了0.090 47,其预测稳定性强,预测精度能够达到神经网络模型的效果。

关 键 词：K最近邻算法 农产品价格 时间序列  欧氏距离 多项式函数 粒子群优化算法

分 类 号：TP391.4]