基于时域背离特征分析的托攻击检测算法

为提高托攻击检测的完整性、准确性和项目推荐可信度,使用托攻击评分与正常评分的数据差异度、正反序TOP窗口和后发评分特征以及密集评分特征,提出了一种基于时域背离特征分析的托攻击检测算法实现托攻击检测。实验结果表明:本文算法的F值平均为81.2%,最高可达92.7%,能同时提升托攻击检测的准确率、覆盖率,减少训练数据量,降低计算复杂度,同时还能兼顾托攻击防御。

特征背离和风险偏好分析的股价态势预测方法

由于股价走势与技术指标走势存在不一致性,基于技术特征的股价态势预测算法效果不佳。从特征背离角度提出了一种股价态势预测算法(Deviated Characterisitics Predict Algorithm,DCPA),该算法首先进行背离特征的提取,并计算特征的背离程度,然后根据特征的背离程度值和股票的收盘价利用BP网络进行股价态势预测。由于当市场风险偏好高时特征背离与股价态势之间相关性很弱,因此在DCPA算法的基础上提出了一种风险偏好的股价态势预测算法(Risk Preference Based Deviated Characterisitics predict Algorithm,RPDCA)。首先提取与风险偏好相关的特征,利用风险偏好计算模型获得当前的市场风险偏好类型;进而利用贝叶斯网络学习风险偏好、背离特征与股价走势之间的关系,并利用结点非对称信息熵分析风险偏好与背离特征之间的依赖关系;最后根据风险偏好与背离特征之间关系的变化,自适应性地利用BP网络预测股价态势。在实际数据上的实验比较与分析结果表明,RPDCA算法在股市短期预测中具有更高的预测精度。

基于理性指标的马尔可夫链股市态势预测方法

由于股票市场存在人为扰动性,使得基于情绪的股市预测算法效果不佳。针对股市的诱多诱空问题,提出一种基于理性指标的马尔可夫链股市态势预测算法(RI_MCA)。提取股市的主要理性特征,并对这些理性特征进行量化;通过主成分分析将这些理性特征融合成理性指标,并利用理性指标获取股市的买卖点;将买卖点所对应的股市状态引入到马尔可夫链中,实现股市态势预测。在理性指标和股市状态相背离情况下会降低买卖点的可靠性,因而通过将特征背离引入到RI_MCA算法中提出了RICD_MCA算法,RICD_MCA算法根据特征背离程度对RI_MCA算法的结果进行调整优化。在上证指数上的实验比较与分析结果表明,RICD_MCA算法具有更高的预测精度。