TY - JOUR A2 - 张帝AU - 李，惠AU - 华金金AU - 李，金秋AU - 李，耿PY - 2020 DA - 二○二○年六月二十日TI - 股票预测模型FS-LSTM基础上，5G7681209 VL - - 2020 AB - 物联网SP的互联网本文分析了数据挖掘的开发和第五代（5G）的物联网（IOT）的互联网发展和使用的股票预测了深刻的学习方法。为了解决这个问题，如低准确性和培训的复杂性所造成的库存模型预测复杂的数据中，我们提出了基于特征选择（FS）和长短期记忆（LSTM）算法来预测收盘价预测方法股票。考虑到其未来的应用前景，本文以从深成指4个库存数据为例，构建了基于它们通常在股市中使用17个技术指标预测的功能集。最佳特征集通过FS决定减少数据的维和培训的复杂性。该LSTM算法用于股票预测的收盘价。实证结果表明，与LSTM模型相比，FS-LSTM组合模型提高预测的精度，并降低了实际值与股票价格预测的预测值之间的误差。SN - 1530-8669 UR - https://doi.org/10.1155/2020/7681209 DO - 10.1155 /七百六十八万一千二百○九分之二千○二十○JF - 无线通信和移动计算PB - Hindawi出版KW - ER -