由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
音像模式识别在金融数据分析中的应用研究陈善雄,张卫国
¥ ×1
前言
章绪论
1.1研究背景
1.2研究目的及意义
1.3国内外研究现状
1.4本书结构安排
1.5本章小结
第2章金融异常检测概述
2.1金融异常的基本概念
2.2金融异常检测的背景
.异常检测的方法
2.4基于数据挖掘的金融异常检测
2.5本章小结
第3章深度学习理论
3.1深度学习背景
3.2深度学习的基本思想
3.3深度学习的常用模型或者方法
3.3.1自动编码器
3.3.2稀疏编码
3.3.3限制玻尔兹曼机
3.3.4深度置信网络
3.4本章小结
3.4.1深度学结
3.4.2深度学习未来
第4章DBN在欺诈检测中的应用
4.1传统的欺诈检测技术
4.2欺诈检测的基本概念
4.3的欺诈检测技术
4.4DBN的原理
4.4.1受限玻尔兹曼机
4.4.2深度信念网络
4.5基于DBN的欺诈检测
4.5.1基于DBN的欺诈检测模型
4.5.2DBN模型训练
4.5.3实验结果及分析
4.6本章小结
第5章基于非负矩阵分解的异常波动的识别
5.1异常数据在市场中的产生原因
5.1.1宏观经济的影响
5.1.2者行为的影响
5.1.3政策的影响
5.1.4制度的影响
5.2异常检测方法
5.3非负矩阵分解方法
5.4基于非负矩阵分解的市场异常波动检测
5.5实验分析
5.6本章小结
第6章基于CNN的贷款违约预测
6.1贷款违约检测研究现状
6.2基于CNN的贷款违约预测
6.3基于评分融合的卷积神经网络的贷款违约预测
6.3.1网络结构
6.3.2评分融合结构
6.3.3模型训练
6.4贷款违约预测框架
6.5实验及分析
6.5.1数据集
6.5.2测试结果
6.5.3特征重要度量
6.6本章小结
第7章基于决策树及情感辅的预测
7.1决策树理论与股指数据获取
7.1.1指标
7.1.2分词处理与特征提取
7.1.3决策树理论
7.1.4网络爬虫流程设计
7.1.5文本处理与情感分类
7.2预测模型
7.2.1基于指标的决策树模型
7.2.2决策树模型的实现以及结果展示
7.3决策树模型的验
7.3.1情绪结果的融合决策树
7.3.2决策树模型验
7.4本章小结
第8章总结与展望
8.1本书总结
8.2研究展望
参考文献
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格