财务风险预警的支持向量机应用

本文给出了财务评价指标体系及其量化方法,利用支持向量机的分类能力建立财务风险预警的模型.对上市公司的财务数据进行训练和评估.证明基于支持向量机的财务风险预警模型的可行性和实用性,实验表明支持向量机在小样本情况下具有良好的非线性建模能力和泛化能力.     

半模糊超球支持向量机多类分类方法研究

针对支持向量机在大类别模式分类中存在的问题,提出了一种基于半模糊核聚类的超球支持向量机分类方法.该方法首先利用半模糊核聚类方法对样本进行预处理,完成边缘样本的选取,进而以所选样本为训练样本进行超球支持向量机训练,从而有效提高分类器的性能.实验表明,该方法比标准支持向量机多类分类方法具有更高的速度和精度.     

基于集成支持向量机的企业财务业绩分类模型研究

要想正确预测公司财务业绩,首先必须选择合适的预测方法。现有文献所采用的财务业绩预测模型普遍存在着泛化能力不强的问题。本文提出用支持向量机方法来预测我国上市公司的财务业绩。为了提高预测准确率,本文还用AdaBoost算法对支持向量机进行了改进(集成支持向量机)。在支持向量机核函数的选择上,我们采用了实验法,即对每个核函数及其相关参数的预测效果都进行了测算,以期找出最适用的预测模型。实证结果表明,径向基核函数(rbf)的效果最好,支持向量机方法预测准确率远远高于其它方法。     

基于数据挖掘的企业合作伙伴的寻求方法研究

企业竞争日趋激烈,如何在竞争中立于不败之地成为企业必须要解决的问题. 通过构建 企业联盟,有效组织企业的业务流程,达到资源共享,充分发挥企业的核心竞争力,将各企业的 资源有效整合,从而迅速占领市场,是企业的成功之道. 寻找理想的合作伙伴是企业联盟成败 的关键因素. 文章介绍了基于支持向量机的数据挖掘方法,建立了基于支持向量机的合作伙伴 寻求模型,挖掘潜在的理想合作伙伴,研究表明,用支持向量机方法来发现理想合作伙伴是可 行的.     

不确定性支持向量分类预警算法

支持向量分类从理论上可以保证好的预警外推能力。但历史警度的确定是一个十分棘手的问题。论文提出了不确定性支持向量分类预警方法。将支持向量分类预警问题转化为各个历史样本的惩罚系数的合理变化,从而大大减少了约束的个数,体现了专家决策在预警系统的作用。不仅实现了专家意见的综合,而且是对SVM理论本身的拓广。证明了模糊支持向量机是不确定性支持向量分类的特例,从而给出了模糊支持向量机的确切含义。数据试验表明,未确知支持向量分类预警方法具有一定的实际应用价值。     

锅炉受热面污染部位诊断

基于最小支持向量机,提出了一种快速、有效的锅炉受热面污染部位诊断的方法。以不同受热面出口烟气温度为特征参数,建立了最小支持向量机污染部位诊断模型。利用此模型可以有效诊断锅炉受热面污染情况,并进行仿真测试,证明了该方法的有效性。     

基于支持向量机的突发事件分级研究

突发事件的分级是应急管理的重要环节。将支持向量机方法应用于突发事件的分级问题,阐述了基于支持向量机的突发事件分级方法的过程,以对地震灾害进行分级作为实例,采用多分类支持向量机中的一对一组合方法进行实验。实验结果表明,支持向量机应用于突发事件分级是可行而且有效的,能够为决策者准确地进行分级决策提供科学依据。     

基于小波包和最小二乘支持向量机的短时交通流组合预测方法研究

基于小波在处理非线性、非平稳随机信号的优势以及支持向量机在解决小样本、非线性及高维模式识别问题中的优势。笔者探讨结合小波包和最小二乘支持向量机的组合预测方法在交通流短时预测中的应用。首先介绍小波包和最小二乘支持向量机的基本原理,然后提出基于小波包和最小二乘支持向量机的交通流短时组合预测方法,并以北京市快速路的实测交通流量来验证效果,结果表明其可行性和有效性。     

基于支持向量机和遗传算法的R&D项目中止决策诊断

为了克服传统的机器学习方法在R&D项目管理领域应用存在的局限性,本文探讨了支持向量机应用于R&D项目中止决策的可行性和有效性问题,提出了一种基于支持向量机和遗传算法的R&D项目中止决策诊断方法,并以收集到的R&D项目两类样本问题为例,应用该方法进行了实证研究,验证了该方法的可行性和有效性.     

数据分类中的特征选择算法研究

本文应用半正定规划支持向量机模型,将核函数特征子空间的组合作为核映射矩阵,提出一种新的将特征选择整合在数据分类过程中的学习算法。首先,将样本按其特征进行分组,计算每组样本子集的核矩阵;然后将这些核矩阵线性组合后加入基于半正定规划的支持向量机模型中,利用半正定规划支持向量机学习器求解得到各子特征空间的权重系数,其次,根据特征权重系数建立特征贡献度和支持度用于特征选择并控制分类准确率、特征数量和对不同类别样本的分类能力;最后根据最优分类准确率、最少特征数量、最佳泛化能力三项不同目标计算所对应的特征数量和分类结果。实证中采用医学、植物学、文本识别和信用等领域数据以及人工数据集比较该方法和SFS、Relief-F以及SBS算法的特征选择效果。结果表明,在实际数据中,本文提出的方法不但能够保持较好的分类学习效果,而且可以比SFS、Relief-F以及SBS特征选择算法的特征子集数目大幅减少;在人工数据中,该方法可以正确地选出真正的特征,去除噪声特征。     

基于熵权法及支持向量机的企业管理人员价值工作法研究

全面衡量管理人员的工作价值,准确评估其对企业的贡献,是完善我国企业管理人员绩效考核理论体系的重要内容。针对管理者绩效评价的高维度、非线性等特征,提出了将熵权法与支持向量机结合的管理人员价值工作法。在确定原始考核指标体系基础上,以郑州H公司作为实证对象,运用熵权法确定了该公司各指标体系的权重以建立价值工作关键考核体系,进而采用支持向量机分类算法对管理者的工作价值进行评价,验证该考核指标体系的有效性。研究结果对有效开展管理者的绩效考核以提升企业竞争力意义重大。     

基于LS-SVM的电子政务评估模型研究

在确立了电子政务网站评估指标体系的基础上,建立了基于最小二乘支持向量机(LS-SVM)的电子政务网站评估模型.研究了新型支持向量机算法一最小二乘支持向量机,并确定支持向量学习决策模式;对华东地区某些科技网站建设水平进行了评估.结果表明,基于最小二乘支持向量机的电子政务网站评估是有效的、可行的.     

基于最优支持向量机模型的经营失败预警研究

根据中国资本市场的实际和样本数据特点,设计一套从样本准备到模型参数优化、再到模型比较的集成解决方案,对上市公司经营失败进行预警,通过实验分析参数调整和核函数选择对支持向量机建模的影响,寻求最优的支持向量机模型.实证结果表明,经营失败预警应用中,参数和核函数的选择对预警模型有较大影响,基于最优支持向量机模型的预测效果优于统计方法和神经网络方法,支持向量机适合中国上市公司分行业小样本的实际.特别处理事件作为经营失败样本切分标准对模型产生一定影响.     

基于SVM的建设项目风险识别方法研究

支持向量机(SVM)是在统计学习理论的基础上发展起来的一种新的机器学习方法。它基于结构风险最小化原则,能有效地解决过学习问题,具有良好的推广性和分类精确性。在项目风险管理中,风险识别是很重要的一个步骤,如果风险不能被识别,那么我们就不能对风险进行转移、控制或管理。针对该问题,本文提出了一种新的风险识别方法-支持向量机,利用该方法对项目风险识别进行了研究,并取得了很好的识别效果。     

基于双正交小波支持向量机的变结构非线性协整研究

基于双正交小波在非线性信号逼近方面的良好性能,构造了一类新的双正交小波核函数并证明了该核函数满足正定核的容许性条件.在此基础上构造了基于双正交小波支持向量机的非线性协整模型,并基于双正交小波支持向量机和最小拟合误差原则,提出针对向量时间序列的最优非线性变结构点检测的动态规划方法.最后,以美元指数和原油、黄金、铜、铝、锌、铅和锡等七种国际大宗商品期货价格为对象,进行变结构非线性协整的实证研究.结果表明,美元指数与七种国际大宗商品期货价格之间具有复杂的变结构非线性关系,双正交小波支持向量机和最优非线性变结构点检测方法在变结构非线性协整分析上是有效的.     

考虑样本不平衡的多准则库存分类加权支持向量机方法及其参数选择

针对ABC库存分类中存在的样本类别不平衡问题,提出了一种基于加权支持向量机的多准则库存分类方法,通过引入类权重因子来解决由于训练集中的类别差异引起的分类结果偏向多样本类的问题.实例研究中,通过一致测试、独立测试以及交叉校验方法进行学习,结果表明加权支持向量机比传统支持向量机具有更小的错分率和更好的稳定性.     

基于改进支持向量机的上市公司财务困境判别研究

针对上市公司财务困境判别研究的不足,本文构建了财务困境判别的双隶属模糊支持向量机模型,使每个训练样本依双隶属度同时隶属于两个类别;考虑到财务困境判别研究中两类样本非平衡的问题,本文构建了一种基于非平衡数据的改进支持向量机模型。实证结果表明,与已有的支持向量机模型相比,本文构建的改进支持向量机模型在对上市公司财务困境进行判别时精度更高,具有良好的应用价值。     

基于PSO-SVR模型的能源需求预测

本文将支持向量回归机(support vector regression,SVR)与粒子群算法(Particle Swarm Optimizat ion,PSO)相结合,选取1 985~2008年的能源需求量及其影响因素作为学习样本,利用粒子群算法对支持向量机参数进行优化,通过训练、测试得到具有良好学习与推广能力的PSO-SVR能源需求预测模型。建立BP神经网络模型,并将两者的预测值进行对比,结果表明,PSO-SVR模型预测精度优于BP神经网络模型。     

基于支持向量机的中国股指期货回归预测研究

本文针对股指期货预测的特点,选择对股指期货指数有重要影响的相关指标,首次提出用支持向量机(SVM)方法对其进行回归预测,并用遗传算法(GA)和粒子群算法(PSO)分别优化四种不同核函数的支持向量机,构建了八种不同的中国股指期货回归预测方案,用实证研究的方法对这八种方案的准确性和时效性进行了比较。实验结果表明粒子群算法优化的线性核函数支持向量机作为中国股指期货回归预测的模型,具有更好的预测效果。     

一种基于改进粗糙集的R&D中止决策方法

提出了一种改进粗糙集的R&D项目的中止决策方法,该方法应用向量空间理论知识在一定程度上改进了粗糙集中属性约简以及规则提取的算法,解决了R&D项目中止决策中产生的样本较小时粗糙集属性约简计算量大和特征提取规律不明显的问题,同时根据以往同类R&D项目失败或成功的经验作为学习样本,识别R&D项目的类别,从而做出中止还是继续进行的决策。最后以重庆市某大型企业近几年的R&D项目进展情况为实例,使用该方法和支持向量机两种方法进行了计算,对该方法进行了可行性和有效性验证。