模糊SVM在股市预测中的算法研究与应用

针对现有模糊支持向量机(SVM)使用中直接选择模糊隶属度存在的不足,本文提出了一种对模糊隶属度进行优化的新方法。该方法通过选取曲率变化大、形式简单的幂函数作为候选隶属度函数,并采用格子搜索法寻找最优参数,从而可以确定出最优模糊隶属度。仿真实验表明:在利用模糊SVM训练时间序列数据集时,采用本文方法确定最优模糊隶属度,比目前常用选择模糊隶属度的方法效果好。