文献类型：期刊文章

作　　者：王双成[1,2] 高瑞[1] 杜瑞杰[1]

机构地区：[1]上海立信会计学院数学与信息学院,上海201620 [2]上海立信会计学院立信会计研究院,上海201620

出　　处：《控制与决策》

基　　金：国家自然科学基金项目(61272209);上海市自然科学基金项目(15ZR1429700)

年　　份：2017

卷　　号：32

期　　号：1

起止页码：163-166

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI(收录号：20171103447977)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：小时间序列在宏观经济领域普遍存在,对小时间序列的分类预测也有着广泛的需求.由于小时间序列蕴含的信息不充分,有效地提高小时间序列分类预测的可靠性非常困难,目前也缺少这方面的研究.针对这种情况,在基于引入平滑参数的高斯核函数估计属性边缘密度的基础上,建立用于小时间序列分类预测的动态朴素贝叶斯分类器,并给出平滑参数的同步和异步优化方法.实验结果表明,优化能够显著提高小时间序列分类预测的准确性.

关 键 词：贝叶斯网络 分类器 时间序列 高斯核函数 平滑参数  

分 类 号：TP181]