|
|
|
|
基于特征抽取和分步回归算法的资金流入流出预测模型 |
| |
| 论文目录 |
| |
| 摘要 | 第5-7页 | | abstract | 第7-8页 | | 第1章 绪论 | 第13-21页 | | 1.1 研究背景和意义 | 第13-14页 | | 1.2 国内外研究现状 | 第14-18页 | | 1.2.1 资金流入流出问题的国内外研究现状 | 第14-16页 | | 1.2.2 组合算法的国内外研究现状 | 第16-17页 | | 1.2.3 因子分解机的国内外研究现状 | 第17-18页 | | 1.3 关键问题与研究内容 | 第18-19页 | | 1.4 论文组织结构 | 第19-21页 | | 第2章 相关技术知识 | 第21-31页 | | 2.1 基本数据预处理 | 第21-23页 | | 2.2 特征抽取基本方法 | 第23-25页 | | 2.2.1 时间角度特征挖掘 | 第23-24页 | | 2.2.2 用户角度特征挖掘 | 第24页 | | 2.2.3 利率角度特征挖掘 | 第24-25页 | | 2.3 特征选择策略 | 第25-27页 | | 2.4 损失函数和优化目标 | 第27-28页 | | 2.5 模型选择 | 第28-29页 | | 2.6 本章总结 | 第29-31页 | | 第3章 特征抽取方法 | 第31-45页 | | 3.1 数据背景介绍 | 第31-34页 | | 3.2 特征构建 | 第34-40页 | | 3.3 特征效果的评价准则 | 第40-41页 | | 3.4 实验验证与分析 | 第41-42页 | | 3.5 本章总结 | 第42-45页 | | 第4章 分步回归算法在资金流预测中的应用 | 第45-61页 | | 4.1 两步特征预测算法 | 第45-52页 | | 4.1.1 单步特征预测 | 第45-50页 | | 4.1.2 BP神经网络预测 | 第50-52页 | | 4.2 集成学习方法 | 第52-55页 | | 4.2.1 梯度提升树法 | 第53-54页 | | 4.2.2 随机森林方法 | 第54-55页 | | 4.3 实验结果与分析 | 第55-58页 | | 4.3.1 实验流程 | 第56页 | | 4.3.2 结果和分析 | 第56-58页 | | 4.4 本章总结 | 第58-61页 | | 第5章 因子分解机算法在资金流预测中的应用 | 第61-67页 | | 5.1 特征稀疏化 | 第61-62页 | | 5.2 因子分解机求解 | 第62-64页 | | 5.3 实验结果与分析 | 第64-66页 | | 5.4 本章总结 | 第66-67页 | | 第6章 总结与展望 | 第67-69页 | | 6.1 本文工作总结 | 第67-68页 | | 6.2 未来工作展望 | 第68-69页 | | 参考文献 | 第69-73页 | | 致谢 | 第73-75页 | | 在读期间发表的学术论文与取得的其他研究成果 | 第75页 |
|
|
|
|
论文编号BS2986126，这篇论文共75页
会员购买按0.35元/页下载，共需支付26.25元。 直接购买按0.5元/页下载，共需要支付37.5元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务