摘要
本发明涉及大数据挖掘技术领域,揭露了一种股票市场波动性分析与预测的大数据挖掘方法及系统,包括:对股票相关指标进行数据预处理,对预处理数据进行数据增强;计算增强数据特征中每个增强数据特征之间的特征相似度,生成特征相似度的相似度矩阵,对相似度矩阵进行矩阵稀疏化,将邻接矩阵转换为拉普拉斯矩阵;构建增强数据特征与预设挖掘参数之间的误差项,构建拉普拉斯矩阵与预设挖掘参数之间的正则化项;对预设挖掘参数进行参数交替优化;绘制因子参数在股票市场上的分布直方图,利用分布直方图确定因子参数的因子目标,利用关键事件确定权重参数的权重目标。本发明可以提升股票市场的数据挖掘的全面性。
技术关键词
数据挖掘方法
参数
分布直方图
矩阵
拉普拉斯
因子
大数据挖掘技术
序列
时序
指标
误差
数据挖掘系统
非线性
时间段
生成特征
模块
数值
网络
系统为您推荐了相关专利信息
城市地下排水管道
智能探测装置
智能探测机器人
多参数
多传感器
面部表情识别方法
图像识别模型
标注算法
面部表情识别技术
直方图均衡化
系统故障定位方法
伊辛模型
传感器
蒙特卡洛方法
参数
虚拟同步机
组网优化方法
有功功率
组网系统
拉普拉斯
图像增强方法
光照特征
样本
计算机视觉图像处理技术
卷积模块