文献类型：期刊文章

作　　者：郭躬德[1] 王晖[2] David Bell[2]

机构地区：[1]福建师范大学计算机科学系,福建福州350007 [2]School of Information and Software Engineering,University of Ulster,Newtownabbey,BT370QB,N.Ireland,UK

出　　处：《小型微型计算机系统》

年　　份：2003

卷　　号：24

期　　号：12

起止页码：2228-2232

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：时间序列分析中常常遇到的一个问题是如何有效地过滤噪音和约简数据 .本文通过修改传统的离散的傅立叶变换来过滤噪音和进行数据的约简 ,并尽可能保留原始时间序列的全局变化趋势 .为检验该方法的有效性 ,本文同时提出一个新颖的数据分类算法MCC ,并用该算法对股票回报率的变化进行预测 ,实验结果显示 ,用MCC算法在预处理后的数据上进行预测 ,其预测的命中率达到 6 3.6 8% ,而在原始数据上进行预测 ,其预测的命中率只有 4 8.98% .显然 ,通过对原始数据进行噪音过滤有效地改善了预测的精度 .另外 ,数据的约简也提高了预测算法的效率 .

关 键 词：时间序列预测 傅立叶变换 噪音过滤  数据约简 数据分类 时间序列分析 数据库  

分 类 号：TP311.13]