[发明专利]一种用于股市大盘形态分析的数据分析与显示方法

权利要求书

1.一种用于股市大盘形态分析的数据分析与显示方法，包括：

获取股市大盘样本数据，其中，所述股市大盘样本数据为序列数据；

生成所述股市大盘样本数据的特征；

将所述股市大盘样本数据的特征输入预先训练的卷积神经网络，得到输出作为低维特征；

基于所述低维特征，利用竞争性神经网络生成样本节点；

基于所述样本节点，生成节点关系网络；

利用聚类方法，基于所述节点关系网络确定所述股市大盘样本数据的输出类别以及控制通信连接的显示设备显示所述输出类别。

2.根据权利要求1所述的方法，其中，所述方法还包括：

响应于所述股市大盘样本数据的输出类别是预定类别，将所述输出类别发送至支持报警的设备，控制所述设备发出警报信息。

3.根据权利要求1所述的方法，其中，所述卷积神经网络预先通过如下步骤训练得到：

获取训练样本集合，其中，训练样本包括样本数据和预先得到的样本低维特征；

确定初始卷积神经网络的网络结构以及初始化所述初始卷积神经网络的网络参数；

利用机器学习方法，将所述训练样本集合中的训练样本包括的样本数据确定为初始卷积神经网络的输入，将与输入的样本数据对应的预先得到的样本低维特征确定为初始卷积神经网络的期望输出，训练得到所述卷积神经网络。

4.根据权利要求1所述的方法，其中，所述基于所述低维特征，利用竞争性神经网络生成样本节点，包括：

基于所述低维特征，利用竞争性神经网络生成所述股市大盘样本数据的类别标签；

将所述股市大盘样本数据的类别标签确定为样本节点。

5.根据权利要求1所述的方法，其中，所述基于所述样本节点，生成节点关系网络，包括：

基于所述样本节点，生成所述节点关系网络中的节点；

生成所述节点关系网络中的边，其中，所述边表示不同节点之间的关系，边的权重为不同节点间的累计连接次数。

6.根据权利要求1所述的方法，其中，所述利用聚类方法，基于所述节点关系网络确定所述股市大盘样本数据的输出类别，包括：

基于所述节点关系网络，生成节点概率矩阵；

基于所述节点概率矩阵，利用聚类算法生成所述节点概率矩阵中的环路簇类；

基于所述环路簇类，确定所述股市大盘样本数据的输出类别。

7.根据权利要求6所述的方法，其中，所述基于所述节点概率矩阵，利用聚类算法生成所述节点概率矩阵中的环路簇类，包括：

基于马尔可夫随机游走规则，自适应生成所述节点概率矩阵中的环路簇类，其中，每个环路簇类代表一种所述股市大盘样本数据的输出类别。

8.一种终端设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。