基于粗糙集的数据挖掘技术在电子商务中的应用

数据挖掘技术应用于电子商务,高效组织利用大量的数据信息,再把粗糙集的基本思想应用于电子商务,创新了一种利用数据挖掘技术的关于客户数据库的方法,以它的高效性再次使电子商务技术得到了发展。

基于粒子群神经网络的期货价格预测

目前在对中国期货市场进行价格预测时,采用神经网络预测时多用的是BP神经网络,但是BP神经网络存在对初始权阈值敏感、易陷入局部极值和收敛速度慢的问题。因此,为了提高模型效率,提出采用PSO-BP模型预测期货价格。首先运用粒子群算法代替BP神经网络的初始寻优,再用BP算法对优化的网络权阈值进一步精确优化,随后建立了基于粒子群算法的BP神经网络预测模型,并将其应用到中国期货市场的期货价格预测研究中。仿真结果表明,新模型结合了粒子群算法的全局寻优能力和BP神经网络算法的局部搜索优势,有效的防止了网络陷入局部极小值的可能,提高了神经网络模型预测的速度和准确性。

基于Moodle平台的C语言项目化教学设计研究

本文根据C语言课程的特点,针对教学中遇到的问题,重点阐述了基于Moodle平台的项目化教学在C语言课程中的实际应用,提高了学生的自主学习能力,获得了良好的教学效果。

基于微信小程序的高职招生服务平台的设计与实现

本文通过对高职院校招生工作现状进行调研和分析,充分利用微信小程序的技术特点和优势,设计并实现了一种基于微信小程序的高职招生服务平台,平台与传统网页、公众号相比具备明显的优势,可有效提升高职招生工作的信息化水平和服务质量。

中国玉米期货市场价格发现功能的实证分析

利用相关系数、协整检验、格兰杰因果检验以及GS模型等方法对大连期货交易所玉米期货市场的发现价格功能进行了实证分析.结果表明:玉米期货价格与现货价格之间存在协整关系,期货价格具有良好的发现价格功能;存在期货价格和现货价格的双向格兰杰引导关系;玉米期货市场的发现价格功能中期货价格起着决定性的作用.

基于二次优化BP神经网络的期货价格预测

针对BP算法存在的不足,结合神经网络、遗传算法和主成分分析的优点,提出基于二次优化BP神经网络的期货价格预测算法.初次优化采用主成分分析法对网络结构进行优化,第二次优化采用自适应遗传算法对网络参数进行优化,将经过二次优化后建立的BP神经网络模型用于期货价格预测.经仿真检验,用新方法建立的模型对期货价格进行预测,在预测的精度和速度方面都优于单纯BP神经网络模型.

关联规则及其在石油期货价格预测中的应用研究

针对Apriori算法及其变种的不足,提出了一种基于支持度计数矩阵和事务数据库布尔矩阵的新算法,利用此算法挖掘石油期货价格历史数据中的频繁项集,根据给定的最小支持度和最小置信度从挖掘结果产生关联规则,对关联规则在石油期货价格预测中的应用进行了探索,并提出了进一步的研究方向.