一种基于遗传算法与深层稀疏极限学习机的股价趋势预测方法

本发明涉及一种基于遗传算法与深层稀疏极限学习机的股价趋势预测方法，本发明有效解决了传统的深层极限学习机在特征提取过程中未能充分考虑到股票数据中存在的大量噪声进而模型性能下降的问题；解决的技术方案包括：首先，对数据集样本进行预处理；其次，根据极限学习机自编码器(ELM‑AE)的网络特点提出一种新的输出形式，构造一种新的稀疏极限学习机自编码器(SELM‑AE)；然后，通过堆叠的方式设计具有深层框架的深层稀疏极限学习机；最后，采用遗传算法优化深层稀疏极限学习机的参数并对测试样本进行分类预测，以提高整体模型的性能和泛化能力。