基于SA和Bootstrap的LS-SVM参数优选及应用

文章针对最小二乘支持向量机的特点,通过Bootstrap建立适当的性能指标,用模拟退火算法(SA)优化最小二乘支持向量机的有关参数,并在非线性经济系统中应用.用最小二乘支持向量机对非线性经济系统进行预测的结果与神经网络预测的结果比较证明.该模型的预测精确度是令人满意的,文中提出的方法是可行的.     

基于多属性群决策方法的建设项目风险评价

多属性群决策中属性权重和决策者权重的确定方法有多种,每种赋权方法有其各自的特点.而离差最大化方法和特征根法的配合使用能有效解决人为主观因素决策存在的弊端,且可操作性强,能方便地应用在计算机辅助决策支持系统中.为评估建设项目在政治、环境、计划、市场、经济、融资等方面的风险,可首先按基于离差最大化的方法确定多属性的权重,再将每个决策者时各个方案多属性的集结值组成矩阵,用该矩阵最大特征根对应的特征向量来判定决策群最终的决策结果,两个评估结果相结合即可最终确定评价方案的风险顺序.     

基于熵权法的群决策模糊综合评价

群决策模糊综合评价是多人对受多种因素影响的事物做出全面评价的一种多因素决策方法。文章根据事物的多因素属性,基于模糊数学理论,对问题属性的各因素的权重用熵权法确定,结合实例对图书选题进行群决策综合评价。实例结果表明,本文采用的方法能够自动确定各因素的权重系数,易于对多因素属性的事物进行群决策综合评价,避免权重确定的主观随意性,使评价结果具有实用性。     

LS-SVM的一种参数优选方法及混沌时间序列预测

支持向量机是一种新型的学习方法,该方法以结构风险最小化原则取代传统机器学习中的经验风险最小化原则,在小样本的机器学习中显示出了优异的性能.文章提出适当的验证性能指标用遗传算法优化最小二乘支持向量机的有关参数,并进行时间序列预测.通过对混沌时间序列的预测及和神经网络预测的比较证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的.