机器学习算法在股票走势预测中的应用

结合K-近邻算法、支持向量机算法和时间序列算法的优点,整合其结果提出一种综合预测算法,并将其应用到沪深300指数的涨跌预测中。首先通过时间序列预测出股票未来一段时间内的走势图,然后结合K-近邻算法判断该走势图的总体涨跌趋势,最后将涨跌趋势量化作为一变量引入到支持向量机算法中,通过支持向量机算法预测最终的股票涨跌。该方法能够弥补3种算法的不足,能够更加准确地预测股市的涨跌趋势。     

Nearest neighbor search algorithm based on multiple background grids for fluid simulation

The core of smoothed particle hydrodynamics (SPH) is the nearest neighbor search subroutine. In this paper, a nearest neighbor search algorithm which is based on multiple background grids and support variable smooth length is introduced. Through tested on lid driven cavity flow, it is clear that this method can provide high accuracy. Analysis and experiments have been made on its parallelism, and the results show that this method has better parallelism and with adding processors its accuracy become higher, thus it achieves that efficiency grows in pace with accuracy.     

基于时间序列聚类的科研成果关键词分析方法

   鉴于传统方法对科研成果关键词研究存在较强主观影响和较少考虑时间因素等问题,提出基于时间序列聚类的科研成果关键词分析方法。该方法通过统计分析方法验证关键词出现顺序在一定程度上反映了关键词反映主题思想的重要性,将关键词的重要度转化为时间序列数据,分别从重要度的数值和趋势两个角度出发,使用动态时间弯曲方法度量关键词重要度时间序列数据之间的相似性,结合近邻传播方法对关键词时间序列数据之间的相似性矩阵进行聚类分析,实现科研成果的关键词分析研究。通过对某科研管理类重要期刊2008—2017年期间刊发的科研成果论文关键词研究发现：新方法不仅可以对科研成果中关键词的关注热度和趋势进行聚类划分,自适应地找到中心关键词作为相应类别的特征代表对象,还能为科研成果关键词的主题分析提供理论方法和决策支持。     

基于KNN的图像自动分类模型研究

所谓图像自动分类是指利用图像自动分类器把待分类的图像分配到预定义的图像类的过程。用于图像自动分类的方法有多种。其中K近邻算法是一种基于实例学习的方法,是一种较理想的自动分类器。本文在它的基础上提出了图像自动分类模型,整个图像自动分类过程包括图像预处理、特征表示、机器学习和图像分类4个步骤。表1。图1。参考文献13。     

最近邻演化网络模型

<正>我们生活在一个充满复杂系统的社会中,其中很多系统的结构都可以用复杂网络来刻画。20世纪末,科学家们建立了两个重要的复杂网络模型。其中一个模型是WS小世界网络模型,该模型融合了规则网络的大聚类特性和随机图网络平均路径长度较小的特性,可以说,WS小世界网络模型是一种介于规则网络和完全随机网络之间的网络模型。但随着复杂网络研究的深入,人们发现越来越多的真实生活中的网络呈现出无标度(节点的度即与节点相连的边的数量)的特点,即网络中节点的度服从幂律分布,     

“远亲不如近邻”新解

从救急互助的角度讲,的确是“远亲不如近邻”;如果从生儿育女的角度讲,这句话还有更新鲜．深刻的含义。     

基于模糊K近邻法的GPCR预测中的应用

G蛋白偶联受体（GPCR）是一类重要的药物靶标,也是人体内最大的蛋白质超家族,并且它在各种生理过程中也起着极其重要的作用。文章提出了一种新的伪氨基酸构造方法,利用matlab仿真结果显示其分类效果比先前的方法有较大的提高,Jackknife检验显示第一层的预测成功率达到94.66%,第二层的预测成功率达到86.38%。     

面对国际前沿增强话语权——记北京大学量子材料科学中心研究员王健

"在专利申请这件事上,不能太过完美主义。也许我们所申请的专利不一定所有都能被应用,但只要具有应用的可能,就要保护起来,以免日后发展受限制。"北京大学物理学院量子材料科学中心博士生导师、研究员、副教授王健如是说。     

基于MATLAB的蛋白质二级结构类型预测

蛋白质二级结构预测在蛋白质结构预测中具有很重要的作用。文章提出了一种新的伪氨基酸构造方法,即氨基酸疏水性百分比法,并结合氨基酸的成分进行预测,通过计算机中的matlab仿真结果表明具有高效的分类效果,通过国际公认的Jackknife检验方法显示预测成功率达到89.22%,比其他方法的高出许多。