论文部分内容阅读
粗集和神经网络相结合反映的是人类智能的定性和定量、清晰和隐含、串行和并行相互交叉混合的常规思维机理.本文建立这样一种混合模型用于指数趋势的预测,通过粗集对数据的二维约简预处理消除了样本中的噪声和冗余,提高神经网络预测精度的同时还降低了学习负担;利用遗传算法进行属性离散化和网络权重的优化获得了较优的预测精度.对上证综指的实证分析表明,这种混合模型的性能明显优于BP和GA神经网络模型.