文献类型：期刊文章

作　　者：谢心蕊[1] 雷秀仁[1] 赵岩[2]

XIE Xinrui;LEI Xiuren;ZHAO Yan(Department of Computational Mathematics,School of Mathematics,South China University of Technology,Guangzhou 510640,China;Department of Probability Theory and Mathematical Statistics,School of Mathematics,South China University of Technology,Guangzhou 510640,China)

机构地区：[1]华南理工大学数学学院信息与计算科学系,广州510640 [2]华南理工大学数学学院统计与金融数学系,广州510640

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.11572127)。

年　　份：2020

卷　　号：56

期　　号：21

起止页码：139-144

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：考虑到单个特征对标签的有效性及多特征之间的信息冗余问题,提出一种联合互信息和改进PCA的双重降维方法。利用互信息对众多的特征进行初步筛选,舍弃一部分对标签信息贡献较低的特征,使用累积方差贡献率和复相关系数共同确定主元个数的主成分分析法进行二次降维,不仅保证了主元模型的信息容量,同时也避免了过多噪声的参与,从而保证了预测过程的准确性。通过神经网络对实际股票数据进行预测,表明了提出的降维算法的有效性。

关 键 词：互信息 改进PCA  双重降维  神经网络预测

分 类 号：TP39]