[发明专利]一种基于智能融合计算的股票走势分类预测方法

权利要求书

1.一种基于智能融合计算的股票走势分类预测方法，其特征在于，包括以下步骤：

步骤一，输入给定时间段内目标股票的完备数据集；

步骤二，对该完备数据集内的数据，分别采用等距离离散化算法及一维K-Means聚类离散化算法进行离散化预处理；

步骤三，采用可辨识矩阵属性约简算法，对经过离散化预处理的完备数据集进行技术指标的属性约简；

步骤四，分别采用朴素贝叶斯分类器和K-近邻分类器，根据经过属性约简的完备数据集，对目标股票下一个交易日的涨跌幅进行分类预测；

步骤五：使用D-S证据组合规则，对两种分类器得到的目标股票未来涨跌幅的分类预测结果进行决策融合；

步骤六：将决策融合结果作为目标股票未来涨跌幅的最终分类预测结果返回并输出。

2.根据权利要求1所述的一种基于智能融合计算的股票走势分类预测方法，其特征在于，步骤二中，采用等距离离散化算法对完备数据集内的数据进行离散化预处理的具体方法如下：

步骤1.1：输入数据集，其对象个数为row，属性个数为colume，并初始化k＝1；

步骤1.2：判断k>colume是否满足，若满足则算法结束并输出离散化结果，否则转至步骤1.3；

步骤1.3：设定第k个属性的等距离离散化区间数n(k)，并对该属性下的所有数据进行排序，确定最大值max(k)和最小值min(k)；

步骤1.4：计算第k个属性的离散化区间个数(max(k)-min(k))/n(k)，并令i＝1；

步骤1.5：按照计算出的第k个属性的离散化区间个数，对该属性下的数据进行区间划分，并重新赋值，同时令i＝i+1；

步骤1.6：判断i>row是否满足，若满足则转至步骤1.7，否则转至步骤1.5；

步骤1.7：令k＝k+1，并转至步骤1.2。

3.根据权利要求1所述的一种基于智能融合计算的股票走势分类预测方法，其特征在于，步骤二中，采用一维K-Means聚类离散化算法对完备数据集内的数据进行离散化预处理的具体方法如下：

步骤2.1：输入数据集，其对象个数为row，属性个数为colume，并初始化k＝1；

步骤2.2：判断k>colume是否满足，若满足则算法结束并输出离散化结果，否则转至步骤2.3；

步骤2.3：设置第k个属性的类别数n(k)，并随机选取其中的n(k)个数据作为初始化聚类中心；

步骤2.4：根据D_i,n＝|x_i-x_n|计算聚类中心与其余数据之间的一维距离，并据此将其余各数据划分到与其距离最近的聚类中心所属的类别里；

步骤2.5：根据上一步的聚类结果重新计算各类别的聚类中心，即将各类内部所有数据的平均值作为该类新的聚类中心；

步骤2.6：根据所选取的聚类有效性函数判断是否满足聚类算法的循环停止条件，若满足则转至步骤2.7，否则转至步骤2.4；步骤2.7：令k＝k+1，并转至步骤2.2。