基于线性分类器的手写数字识别

线性分类器作为理解最简单表现最直观的算法之一,在众多更新更复杂的算法的涌现之后,依然在模式识别的应用中有一席之地,有被学习的必要。本文首先建立了一个完整的线性分类器进行手写数字识别,使用MATLAB的研究环境和MNIST的手写数据库样本。首先对于待识别的样本进行预处理,建立线性分类器,使用样本集进行训练并分类,再使用测试集得到其分类效果的数据。为了不同模式识别样本的性能,本文选取了K均值聚类,BP神经网络和SVM算法,分别建立了分类器后,使用相同的样本集进行训练并测试其性能,从识别速度和准确性进行比较。最后本文对不同算法的测试效果进行比较,总结,分析各个识别算法的优劣。建立用户界面直观反映各个分类器的优劣和使用效果。

基于时间序列的股票价格走势分析

随着当代经济的不断发展,金融市场已经成为经济发展的重要部分,而股票市场作为金融市场的重要组成部分,便与国民经济密切相关.对于投资者而言,如何及时了解价格波动从而准确分析股票市场行情,是决策过程中的一个关键问题;对于股票市场的管理者来说,如何把握股市动态,从而营造稳定健康的交易环境,也是一项非常艰巨的任务.因此,更好地了解股市的波动特征,以及从中探索某些规律,对我们学习金融理论和进行金融实践都具有重要的意义.本文以2009-2018年的沪深300指数为例,对ARIMA模型、ARCH模型和AR-GARCH模型进行拟合,比较其在股票价格走势上的优劣,再用通过检验的拟合模型对股价进行一个短期的预测.最后发现AR-GARCH模型对原序列有较好的拟合效果,并且获得了较为精确的预测结果.