0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: 图书分类 > 信息技术 > 办公与应用 > 模式识别在金融数据分析中的应用研究

相同语种的商品

销售排行榜

浏览历史

模式识别在金融数据分析中的应用研究


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
模式识别在金融数据分析中的应用研究
  • 书号：9787030639363
    作者：陈善雄,张卫国
  • 外文书名：
  • 装帧：平装
    开本：B5
  • 页数：100
    字数：126000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2019-12-01
  • 所属分类：
  • 定价： ￥99.00元
    售价： ￥78.21元
  • 图书介质:
    纸质书

  • 购买数量： 件  可供
  • 商品总价：

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

　　本书从计算机科学的角度研究金融数据中的规则，力图发现和挖掘出海量金融数据中的隐藏信息。书中从计算机科学的模式识别理论和相关技术出发，利用深度信念网络进行金融异常检测，去发现隐藏在金融交易后面的那些欺诈行为；利用非负矩阵分解去研究股指的波动，进而预判证券市场的震荡；把卷积神经网络改造为一个信用评分模型，为信贷提供决策支持；通过决策树得到股市预测模型的前提，然后引入情感数据来修正预测结果；建立以股票技术指标为基础，股民情绪分析为辅助的方法较为准确地对股市走势进行预测。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 目录
    前言
    第1章 绪论 1
    1.1 研究背景 1
    1.2 研究目的及意义 1
    1.3 国内外研究现状 2
    1.4 本书结构安排 4
    1.5 本章小结 5
    第2章 金融异常检测概述 6
    2.1 金融异常的基本概念 6
    2.2 金融异常检测的背景 7
    2.3 异常检测的方法 8
    2.4 基于数据挖掘的金融异常检测 9
    2.5 本章小结 10
    第3章 深度学习理论 12
    3.1 深度学习背景 12
    3.2 深度学习的基本思想 13
    3.3 深度学习的常用模型或者方法 13
    3.3.1 自动编码器 13
    3.3.2 稀疏编码 16
    3.3.3 限制玻尔兹曼机 19
    3.3.4 深度置信网络 21
    3.4 本章小结 23
    3.4.1 深度学习总结 23
    3.4.2 深度学习未来 24
    第4章 DBN在欺诈检测中的应用 25
    4.1 传统的欺诈检测技术 25
    4.2 信用卡欺诈检测的基本概念 27
    4.3 信用卡的欺诈检测技术 28
    4.4 DBN的原理 30
    4.4.1 受限玻尔兹曼机 30
    4.4.2 深度信念网络 32
    4.5 基于DBN的信用卡欺诈检测 34
    4.5.1 基于DBN的信用卡欺诈检测模型 34
    4.5.2 DBN模型训练 35
    4.5.3 实验结果及分析 36
    4.6 本章小结 39
    第5章 基于非负矩阵分解的股票异常波动的识别 40
    5.1 异常数据在股票市场中的产生原因 40
    5.1.1 宏观经济的影响 40
    5.1.2 投资者行为的影响 41
    5.1.3 政策的影响 42
    5.1.4 制度的影响 43
    5.2 异常检测方法 43
    5.3 非负矩阵分解方法 44
    5.4 基于非负矩阵分解的股票市场异常波动检测 45
    5.5 实验分析 47
    5.6 本章小结 52
    第6章 基于CNN的贷款违约预测 53
    6.1 贷款违约检测研究现状 53
    6.2 基于CNN的贷款违约预测 55
    6.3 基于评分融合的卷积神经网络的贷款违约预测 56
    6.3.1 网络结构 56
    6.3.2 评分融合结构 59
    6.3.3 模型训练 60
    6.4 贷款违约预测框架 63
    6.5 实验及分析 63
    6.5.1 数据集 63
    6.5.2 测试结果 64
    6.5.3 特征重要性度量 66
    6.6 本章小结 67
    第7章 基于决策树及情感辅助的股票预测 68
    7.1 决策树理论与股指数据获取 68
    7.1.1 股票指标 68
    7.1.2 分词处理与特征提取 70
    7.1.3 决策树理论 72
    7.1.4 网络爬虫流程设计 73
    7.1.5 文本处理与情感分类 77
    7.2 股票预测模型 79
    7.2.1 基于股市指标的决策树模型 79
    7.2.2 决策树模型的实现以及结果展示 85
    7.3 决策树模型的验证 88
    7.3.1 情绪结果的融合决策树 88
    7.3.2 决策树模型验证 88
    7.4 本章小结 93
    第8章 总结与展望 94
    8.1 本书总结 94
    8.2 研究展望 95
    参考文献 96
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com