基于支持向量机的雷达信号分类

文章首先论述了支持向量机的基本理论,然后给出了基于支持向量机的多分类算法并将其应用于现代复杂体制雷达信号的分类。文章在Matlab环境下对雷达信号进行了模拟,在不同的分类参数组合下,用模拟数据检验了不同核函数的支持向量机多分类算法的效果。     

基于GRC-MCC的k-类SVM分类算法

针对传统的k-类支持向量机(SVM)算法对数据进行多分类时存在的特征变量间信息重叠、模型复杂法(度M高CC、)分对类同精类度别低中这的一特系征列变问量题进,文行章赋提权出,用使得用到灰的色综关合联变聚量类(建GR立C k)-对类特SV征M变模量型进,行给分出类了,一并种用改复进相的关k系-数类SVM多分类算法。实证分析表明,该算法的分类效果优于传统算法。     

支持向量机多分类问题中聚类分类方法研究

支持向量机是在两分类的基础上发展起来的,如何将两分类成果推广到多分类中是支持向量机的一个重要问题.文章在聚类分类的基础上根据二叉树思想,提出了一种新的聚类算法来进行多分类.此方法充分利用二叉树中分两类的简便之处,将多类的聚类简化为点的聚类,从而避免了以往聚类方法中可能出现的同一类的点在聚类中变成不同类的问题,并结合选址问题中固定数目的配送点的选址算法,将原问题进行简化,对多分类问题提出了新的聚类算法.     

基于支持向量机(SVM)的股市预测方法

本文对先有预测工具比较分析的基础上,提出了基于支持向量机的股市预测方法,并建立了数学模型对新疆众和进行了实证研究.结果表明,支持向量机比神经网络有更好的学习和泛化能力,在股市预测中取得了较好的效果.     

基于SVM的基金业绩评估系统研究

基于结构风险最小化原则的支持向量机对小样本决策具有全局收敛性和较好的学习推广性.基金业绩评价问题本质是分类问题,本文提出基于SVM的二叉树多级分类器实现方法,并对系统特征进行选择验证.实证分析表明采用支持向量机设计的评价系统思路清晰,操作简单,重复训练样本少,在评估系统应用中有较强的实用性.     

基于SVM的房地产投资风险评价及应用

房地产开发是一项高投入、高收益、高风险的投资活动,受社会、经济、技术等因素的影响较大,在开发过程中存在着不确定性,在为投资者提供高收益可能的同时,也蕴含着相应的高风险。文章引进一种新的方法——支持向量机将其应用到房地产投资风险评价中。并尝试建立了基于SVM的房地产投资风险评价模型。支持向量机(SVM)是一类新型的机器学习算法,它能够非常成功地处理分类和回归问题。这种方法比较新颖,在一些领域有初步研究,但是在房地产领域基本没有研究过,其良好的非线性品质、极高的拟合精度、灵活而有效的学习方式、不依赖于样本的特点,使房地产投资风险预测很好。     

基于最小二乘SVM的商业银行经营的绩效评价

支持向童机(SVM)是一种新兴的数据处理方法,在许多研究领域已得到了应用.文章针对当前商业银行经营绩效的评价方法所存在的不足,在建立评价指标体系的基础上,提出了一种基于最小二乘SVM的评价方法,仿真试验表明采用该方法获得的结果是令人满意的.     

基于非线性SVM的上市公司财务危机预警模型研究

为了克服传统财务危机预警模型在假设前提、样本容量、泛化能力等方面的缺陷,应用非线性SVM构建了财务危机预警模型.该模型以偿债能力、营运能力、盈利能力、现金能力和成长能力等五方面的15个财务指标作为输入变量,以上市公司是否被特别处理(ST)作为输出变量,实证分析表明:该模型具有100%的训练精度和90%的验证精度,学习和预测能力良好.     

基于影响路径分析的高速公路经营风险SVM评价

文章在详细分析了高速公路经营效益内外环境影响因素及其影响路径的基础上,建立了高速公路经营风险评价指标体系,提出了基于支持向量机的高速公路经营风险评价的新方法,克服了现有高速公路经营风险评价体系的不足,增强评价结果的有效性.     

知识服务业背景下客户市场细分的聚类方法研究

知识服务业所面对的客户需求具有知识化、专业化及问题解决为导向等特征.在服务过程中客户具有高度的参与性和交互性.文章指出客户市场细分不再局限于事前细分方法中常见的客户行为特征变量,提出了基于态度变量的客户市场事后细分策略,介绍了传统聚类方法K-means和SOFM方法在市场细分中的应用,以及支持向量机聚类方法(SVC)进行知识服务业的客户市场细分的过程.应用SVC方法于具体行业实施客户市场细分,并对比三种方法的聚类效果,说明了该方法对于提高判别分类效果的能力和优势.     

多源异常检测的整合单类SVM方法及应用

异常检测作为一种智能化的数据管控手段,在网络入侵检测、欺诈识别和故障检测等场景中都扮演着重要角色。大数据时代下,数据来源众多,给多源数据集的异常检测建模分析带来了较大挑战。本文将惩罚整合分析的思想应用到异常检测中,通过对不同数据集的模型系数差异进行惩罚,提出了基于多源数据的整合单类SVM异常检测方法。该方法可以同时对多源数据进行异常检测并自动将相似数据集聚为一类,可以大幅减少模型待估参数个数并降低后期维护成本。模拟实验表明,本文提出的方法不仅能准确将数据集聚类,而且模型预测效果优于合并数据集建模和每个数据集单独建模。该方法在某银行网站日志异常检测中也有较好的表现。     

对经济区域按资源位进行分类的算法比较

目前对经济区域进行分类通常采用主成分分析法等方法进行研究。文章在研究经济区域资源位的过程中引入了聚类算法,并将支撑向量机算法（SVM）引入该研究领域。结合算法原理说明了将其引入经济区域分类的可行性;同时对应用两种算法对经济区域进行分类的结果作出了比较,对应用聚类和支撑向量机两种算法对经济区域进行分类的优缺点进行了分析。     

一种针对不完全观测数据的消费者聚类方法

现有聚类方法都是基于消费者全部的行为信息,对于观测不完全的信息,提出了三阶段聚类方法。首先,使用样本数据的全部信息对消费者聚类;接着仅使用人口统计变量建立分类模型;最后对上述结果进行修正。三阶段聚类方法最大优点是可以将没有入选样本的个体分配到由样本个体得到的行为集群中去,将这个方法应用于电视行业,得到了很有实际应有价值的结果。     

基于SODM的支持向量机的多分类器融合算法

为了解决支持向量机算法在大样本处理的“过学习”现象,文章设计出在并行系统中使用的多分类器支持向量机算法,应用多支持向量机分类器系统代替单一分类器,解决了大样本数据集上学习内存开销大、训练速度慢的缺点;同时,提出了一种自组织选择性融合算法,根据终止法则找到最优复杂度的融合模型,自主更新各分类器并调整其分类性能,把各分类器的分类结果融合为最终的分类,有效解决了大样本多分类器融合受子样本分布状态影响、各分类器学习能力相差过大的缺点,从而提高了训练效率和分类效率。     

基于模糊支持向量机的客户信用评估研究

文章首先比较了支持向量机与传统分类方法在银行客户信用评估中的效果,结果表明支持向量机更适于目前中国商业银行对个人信用的评价;其次引入模糊支持向量机处理银行客户信用样本中的不平衡问题。实证结果显示,带有模糊关系的支持向量机方法能够减小训练数据类别大小差异对决策机器造成的影响,有效地提高了信用评估的精度。     

基于投资者视角的信用类债券违约风险预警

债券市场违约会给投资者带来较为严重的损失。文章选取了2014—2020年债券市场上发生债券违约的149个主体,总计获得了447个债券观测值。使用支持向量机（SVM）方法,基于债券偿债现金流的角度,建立了债券违约的预警指标体系。研究发现,非参数模型的估计结果优于传统模型,加入24个定性指标和20个定量指标后的四种SVM模型预警能力均在97%以上（高斯内核模型与线性内核模型更优）,相较定量指标预警能力均有所提升。     

基于一类学习的支持向量机核参数选择方法

合适的核函数参数对支持向量机的性能起着重要作用,然而如何选择参数是目前尚未得到很好的解决的一个难点问题.文章从实用的角度出发,提出了一种基于一类学习的支持向量机核参数选择方法,利用一类学习算法--支持向量数据描述的特性,通过简单的二分搜索法获取单类数据中一定支持向量个数比例下的核参数值;然后再确定支持向量机核函数参数.实验结果表明,对于不同问题,该方法可快速找到合适的核参数.     

基于粗糙集支持向量机的个人信用评估模型

文章改变了过去个人信用评估模型多使用统计方法或者主观分析方法精简数据集属性个数的做法,将粗糙集与支持向量机结合的粗糙集支持向量机方法引入个人信用评估实践。以包括1000个统计样本的德国信用数据作为个人信用评估模型的数据来源,应用粗糙集分析系统RSES进行数据预处理,运用遗传算法计算约简,得出以不同的缩减率得到的约简集;然后使用支持向量机分析工具LIBSVM逐步处理已经进行过属性约简的数据集,并在处理过程中应用了交叉验证和网格搜索技术。     

基于Twin-SVM的多分形金融市场风险的智能预警研究

本文以沪深300指数（CSI300）长达11年时间的5分钟高频交易数据为研究样本,首先提出一种基于多分形特征的金融市场正常与关注状态的界定方法,并引入新型的支持向量机（SVM）人工智能模型,即孪生SVM（Twin-SVM）模型对多分形特征下的金融市场风险展开预警研究。实证结果表明：（1）中国新兴金融市场的价格波动具有显著的多分形特征;（2）基于多分形特征参数界定的正常与关注状态不仅准确,而且也具有明显的统计检验意义和明确的现实意义;（3）与传统SVM和BP神经网络（NN）相比,Twin-SVM在预测精度上不仅显著更高,而且在预测稳定性上也明显更优,即Twin-SVM能够有效地解决其它预警模型存在的非对称样本问题。     

基于SVM的金融企业内部会计控制效率评价

文章建立基于支持向量机(SVM)的金融工具计量方法和内部会计控制效率评价方法,促使内部会计控制成为金融企业有效控制金融风险的基本保障和关键环节。文章将利用该方法从金融工具风险评估和内部控制效率评价两方面进行创新,以提高金融企业内部会计控制效率。实证分析结果表明,基于SVM的金融工具计量方法和内部会计控制效率评价方法是有效的,从而实现了金融企业内部会计控制效率量化分析和综合评价的新途径。