基于文化算法的支持向量机组合预测模型

为提高预测精度,文章提出基于文化算法的支持向量机组合预测模型.以组合预测模型的误差平方和最小为优化准则,用文化算法对支持向量机参数进行优化,并建立支持向量机对单一模型的预测结果进行组合预测.算例结果表明,该模型综合了各单个预测模型的重要预测信息,其预测误差远远小于各单个模型的预测误差,其预测精度更高,模型的实用性更强.     

基于旋转扰动的支持向量机隐私保护算法

支持向量机(SVM)是数据挖掘中非常流行的分类算法,得到了广泛的关注。数据泄露问题日渐凸显,数据挖掘中的隐私保护也成为当今研究热点,但是针对SVM隐私保护的研究较少。我们提出了基于旋转扰动的SVM隐私保护算法,该算法引入正交旋转变换方法,具有分类零损失的特性。文章采用传统数据安全评价方法,并利用UCI机器学习中心提供的数据对该算法的隐私性水平进行了分析。理论验证和实验结果表明,我们提出了令人满意的SVM隐私保护算法。     

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。     

基于支持向量机股票价格指数建模及预测

为提高预测精度,采用基于支持向量机理论的预测方法对股票价格指数进行预测.文章在分析支持向量机预测基本原理基础上,以交叉验证法确定了最佳回归参数并以此建立了预测模型.对上海证券交易所的股票价格指数进行预测,研究结果表明基于支持向量机预测法能较准确地反映股票价格指数的变化趋势且提高了预测精度,验证了此方法在股票价格指数预测中的可行性.     

支持向量机在选择优质股票中的应用

本文利用支持向量机建立挑选优质股票的分类模型,选取上交所1999-2005年的所有上市公司作为研究样本,代入支持向量机模型进行实证测算,结果表明上市公司下一年的每股收益与该公司当年的财务指标有着密切的联系。通过上市公司财务指标,利用SVM分类模型选中的股票其平均每股收益远远超过了上市公司平均每股收益。     

支持向量机模型在统计学上的应用研究

支持向量机的问题本质上是一个经典的二次规划问题.避免了局部最优解.有效地克服了维数局限性,而且可以结合利用最优化理论中许多算法.文章通过对线性支持向量机和非线性支持向量机的分析研究,又进一步研究了其在统计学这个大的领域里的一些具体应用.而且把支持向量机和Boosting算法相结合以提升该学习算法的强度.     

基于支持向量机的组合预测法及其应用

支持向量机(Support Vector Machine)是Vapnik等人根据统计学习理论提出的一种新的通用学习方法,它是建立在统计学习理论的VC维理论和结构风险最小原理基础上的,能较好地解决小样本、非线性、高维数和局部极小点等实际问题,能提高学习机的泛化能力,已成为机器学习界的研究热点之一,并成功地应用于分类、函数逼近和时间序列预测等方面.而组合预测作为一种博采众长的预测方法愈来愈受到人们的重视和广泛应用.本文利用支持向量机的方法,构造一种新的组合预测方法,该组合预测方法具有预测精度高,泛化能力强等特点.应用此方法对河北省卫生技术人员总数进行预测,取得了很好的预测效果.     

基于支持向量机的行业预警系统研究及实证

文章设计了一种能够反映行业风险变化的预警系统,并在系统中采用了支持向量机和人工神经网络等多种模型同时对样本行业进行批量处理和交叉检验。实证结果显示,支持向量机较其它模型具有明显的预测效果,成本低且效率高,特别适合于对目标行业进行初步预警。     

应用不等权重支持向量机预测人民币汇率的变动

基于金融时间序列的近期数据对未来的影响会大于早期数据,对应用于金融时间序列预测的支持向量机方法进行改进,给出了不等权重支持向量机方法（USVM）及其多项式光滑化处理。将不等权重支持向量机方法应用于训练样本集的子集确定预测模型,实证分析表明USVM算法预测是有效的。     

支持向量机的上市公司财务危机预警模型

1研究背景中国证券监督管理委员会于1998年3月16日颁布了《关于上市公司状况异常期间的股票特别处理方式的通知》,要求当上市公司出现财务状况或其他状况异常,导致投资者对该公司前景难以判定,可能损害投资者权益的情形时,证券交易所应对其股票交易实行特别处理(Special treatm     

基于支持向量机的财务预警方法

1支持向量机(SVM)支持向量机(Support Vector M achine,SVM)是建立在结构风险最小化的基础上的,它是统计学习理论的新生力量,这种方法建立在统计学习理论的V C维(Vapnik-ChervonenksD im ension)理论和结构风险最小原理(SR M)(Structural RiskM inim ization Inductive Princip     

混沌时间序列的支持向量机预测

文章以重构相空间理论为基础,探讨了混沌时间序列的支持向量机预测模型建模的思路、特点及关键参数的选取;利用饱和关联维数法进行相空间重构,并运用小数据量法计算最大Lyapunov指数,对时间序列进行混沌特性识别。实例表明,该模型能较好地处理混沌时间序列,具有较高的泛化能力和很好的预测精度。     

基于小波支持向量机的经济预测模型

最近,由Vapnik等提出的统计学习理论及从中发展出的支持向量机(Sup-port Vector Machines,SVM)方法,在回归算法的研究中表现出极好的性能,被认为是神经网络的替代方法,目前在时间序列预测领域也开始得到应用.SVM无论在理论还是在实践中,在非线性时间序列预测领域都具有优秀的表现和应用前景.本文将小波理论与SVM方法结合起来,互补二者优势,提出了一种称为小波支持向量机(Wavelet Support VectorMachines,WSVM)的新的机器学习方法.该方法引入小波基函数来构造SVM的核函数,得到了一种新的SVM模型,它除了具有SVM的一切优点外,还能消除数据的高频干扰,具备良好的抗噪能力.本文将这一新方法应用于经济预测中,得到了较高的预测精度,表明WSVM方法是一种很有潜力的机器学习方法.     

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。     

基于支持向量机及主成分分析的财务危机预测

支持向量机是一种基于统计学习理论的机器学习算法,在小样本情况下亦可得到很好的分类效果。文章提出了基于支持向量机的上市公司财务危机预测模型,公司财务指标作为支持向量机的输入,其数目较多,采用主成分分析方法降低支持向量机的输入向量维数。与多元统计方法、Logit及Probit模型进行比较,结果表明,该方法预测精度高,第一类错误及第二类错误显著减小。     

改进的支持向量回归机及其在水质预测中的应用

水质预测是水资源管理和污染控制的主要手段之一,是进行水质治理和水资源开发利用的基础性工作.近年来,人工神经网络方法己成功地应用于水质预测中,其中应用最广泛的是BP神经网络.     

基于支持向量机的非线性汇率预测分析

汇率的重要性和汇率的预测难度广为人知,随机游走模型依然占据着汇率预测领域.文章根据不同的汇率决定理论,分别利用支持向量机方法进行日元、英镑和加元汇率历史数据的回归和预测,实验结果表明货币经济学指标在汇率预测中非常重要,特别是利率指标:支持向量机方法虽然在RMSE上并不能显著优于随机游走模型,至少统计的显著性不足,但具有较好的方向预测性,可以作为投资决策的依据.     

基于支持向量机的汽车曲轴质量诊断模型

传统的多元控制图在过程失控条件下，无法提供出哪一个变量或是变量组合是导致失控的原因，因而无法进行多元异常诊断。文章结合汽车曲轴生产过程的实际问题，应用基于支持向量机的方法对该过程多元问题进行了控制与诊断；在验证曲轴生产数据为多元正态分布的情况下，构建了基于SVM的均值偏移诊断模型，对过程变量进行均值偏移诊断，该模型能够指出均值偏移的组合模式。     

基于支持向量机的并购目标搜索研究

支持向量机自90年代中期出现以来得到广泛的应用,搜索到理想的并购目标是企业实施并购策略的关键因素。本文介绍了基于支持向量机的基本理论,建立了基于支持向量机的并购目标搜索模型,搜索到潜在的并购目标。研究表明用支持向量机方法来搜索并购目标是可行的。