基于NRS-SVM的商品住宅投资风险评价研究

针对目前风险评价中普遍存在的样本需求量大、评价主观性强、预测准确性低的问题,在国际上首次将邻域粗糙集与支持向量机相结合建立商品住宅投资风险评价模型。将邻域粗糙集与支持向量机结合使用,可以直接从样本本身出发,在小样本前提下分析各项商品住宅投资风险因素对总体投资风险影响权重,简化决策表,建立商品住宅投资风险预测模型。通过案例分析可知,治安环境风险与工艺革新风险对商品住宅投资总体风险无影响,且在仅有40个样本的条件下,商品住宅投资风险预测模型预测相对误差控制在3%以内。由此表明,邻域粗糙集与支持向量机相结合的方法可以较好地解决风险评价中普遍存在的问题,对风险因素具有较强的解释能力,对总体风险具有较好的预测效果。     

基于SVM的我国区域创新能力的甄别技术研究

文章采用基于统计学习理论的小样本分析方法——支持向量机（SVM），构建了我国区域创新能力甄别的SVM模型，对我国区域创新能力进行了甄别。研究表明，各组检验样本的平均正确甄别率都在90％以上，证明支持向量机对区域创新能力具有良好的识别能力，特别是表现出对小样本的适应性，为我国区域创新能力评价提供了新的方法和思路。     

遗传支持向量机在城市节假日电力负荷预测中的应用

支持向量机（support vector machines,SVM）根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,具有良好的预测效果？但是在基于支持向量机的负荷预测方法中,参数的选择对预测结果具有较大影响,可能导致结果误差较大。本文利用遗传算法对SVM的参数最优值进行自动搜索,改善其预测性能。然后将遗传支持向量机（GA-SVM）应用于广东省某城市的节假日电力负荷预测。结果表明,基于遗传支持向量机的预测效果比相似日法更好。     

基于支持向量机的舰艇部队作战油料消耗量预测研究

为了提高舰艇部队战时油料消耗量预测的准确性,提出了基于支持向量机的预测方法.分析了支持向量机的回归原理及算法,构造了舰艇部队作战油料消耗量预测模型.针对支持向量机中训练参数对预测结果的影响,采用遗传算法对相关参数取值进行优化,以获得预测性能较好的支持向量机模型.以某舰艇部队参加演习的油料消耗量数据作为实验数据,采用构建的支持向量机模型对舰艇部队油料消耗量进行预测,并将其与BP神经网络进行对比分析.实验结果表明,支持向量机比BP神经网络预测精确度更高,误差更小,有效提高了舰艇部队作战油料消耗量预测的准确性和可靠性.     

基于支持向量机的利率期限结构研究

支持向量机具有良好的非线性函数逼近功能,是一种重要的研究利率期限结构的非参数化方法。文章建立了基于支持向量机的利率期限结构模型,并对其进行了估计,然后与传统的及神经网络的方法进行了对比,结果充分显示了支持向量机的良好性能,精确度也得到了进一步的提高。     

支持向量机技术及其应用研究

支持向量机(SVM)是建立在统计学习理论基础上的一种小样本机器学习方法,本文主要介绍了支持向量机的基本原理,多类分类的研究现状。最后介绍了支持向量机的典型应用。     

公司信用风险评估新模型:基于Isomap的SVM模型

本文针对样本数据较少的特点,将基于小样本的支持向量机(SVM)方法用于我国上市公司信用风险评价中。由于考虑到财务数据特征的非线性和高维性,本文采用等距特征映射(Isomap)算法对财务指标进行特征提取,以减少数据的冗余,再针对人为选择SVM参数的盲目性,应用遗传算法优化其参数。最后通过以我国上市公司财务数据为基础的实证分析表明:基于Isomap的SVM模型比BP神经网络、PCA-SVM模型具有更强的信用风险评估能力,小样本评估准确率达到91%。     

两种减少噪声对双支持向量机影响的方法

双支持向量机是Jayadeva等人在2007年提出的一种新的支持向量机.在处理模式分类问题时,双支持向量机的训练速度远远超过传统的支持向量机,计算效率大约是传统支持向量机的四倍.但双支持向量机没有考虑到不同样本点对最优超平面所产生的影响,而是同等对待所有的训练数据样本来构造最优超平面,从而无法降低噪声对分类面的影响.为了克服这个缺点,总结提出了两种方法,一是将模糊技术应用于双支持向量机中,对不同的样本采用不同的惩罚权系数,找到适合的隶属度函数来提高双支持向量机的分类准确率;二是将超球体技术与双支持向量机相结合,清除数据样本中的噪声,减小系统结构误差.实验证明这两种方法能有效的减少噪声的影响.     

基于FA-BP神经网络的养老地产PPP项目风险评价

为了解决养老地产PPP项目风险因素冗杂且普遍存在共线性问题,提出因子分析与BP神经网络相结合的风险评价模型.构建了养老地产PPP项目风险指标体系,运用SPSS软件对风险因素降维处理,结合MATLAB工具建立BP神经网络风险评价模型.选取9个相似工程项目数据作为学习样本,对模型进行训练并验证.结果表明,BP神经网络风险评...     

SVM与神经网络在时间序列预测中的比较

神经网络和支持向量机都能有效地预测时间序列数据,但各自结构特点不同,导致其预测性能有差别。文章从理论和实践上比较了支持向量机与神经网络的优缺点。     

基于支持向量机的绿色物流服务评价模型研究

采用一种基于支持向量机(SVM)的绿色物流服务质量评价方法,归纳了其评价指标体系的设计原则,给出了具体的评价指标体系,并采用模糊隶属函数等方法对其进行量化。将量化后的指标因素集作为SVM的训练集,采用一对一的分类策略建立了正确率高、实用性强的评价模型。     

基于粗糙集和支持向量机的商业银行信用风险评估模型

结合粗糙集理论的属性约简和支持向量机(SVM)的分类机理,提出一种数据分类的混合算法;建立了基于此算法的商业银行信用风险评估模型。模型以粗糙集属性约简作为预处理器,删除冗余属性和冲突对象,但不损失有效信息;然后基于SVM进行分类建模和预测。实证表明,创建的模型分类性能良好,降低SVM分类过程的复杂度,一定程度上避免了训练模型的过拟合现象。通过与SVM和神经网络模型的比较,证实该方法用于信用风险评估的有效性。     

投资项目风险综合评价研究

投资是面向未来的,有很强的不确定性,具有很大的风险。根据投资项目的特点,从项目系统和非系统风险两方面建立投资项目风险综合评价体系,应用灰色系统理论于投资项目风险评价,对投资项目决策具有指导意义。     

一种新的地方政府债务风险预警系统设计与应用

本文围绕构建地方政府债务风险预警系统,首先综合运用TOPSIS法和德尔菲法确定了样本的债务风险综合评价值;然后利用支持向量机,提出了基于结构风险最小化的地方政府债务风险预警模型,并将该模型的求解转化为非线性规划仅有线性约束问题,解决了传统方法中忽略模型置信范围、需要样本数量大及过度学习等缺陷。在实证研究中,基于训练样本的模型平均绝对百分精度达99. 69%,基于检验样本的模型平均绝对百分精度达96. 99%,数值结果表明本文所设计的地方政府债务风险预警系统是有效的,可行的。     

基于RSSVM的快递物流服务风险评价研究

电子商务环境下,高质量的物流服务成为快递供应链上各环节商家和客户关注的焦点。大数据时代背景下,数据挖掘方法可以更有效帮助快递企业管理其物流服务风险。首先构建了B2C快递物流风险评价指标体系,然后结合粗糙集和支持向量机建立了物流风险评价框架模型,最后结合算例进行了应用研究,对风险信息集进行了识别和分类。     

Belgian economic policy uncertainty index: Improvement through text mining

Recently, the literature has measured economic policy uncertainty using news references, resulting in the frequently-mentioned ‘Economic Policy Uncertainty index’ (EPU). In the original setup, a news article is assumed to address policy uncertainty if it contains certain predefined keywords. We argue that the original setup is prone to measurement error, and propose an alternative methodology using text mining techniques. We compare the original method to modality annotation and support vector machines (SVM) classification in order to create an EPU index for Belgium. Validation on an out-of-sample test set speaks in favour of using an SVM classification model for constructing a news-based policy uncertainty indicator. The indicators are then used to forecast 10 macroeconomic and financial variables. The original method of measuring EPU does not have predictive power for any of these 10 variables. The SVM indicator has a higher predictive power and, notably, changes in the level of policy uncertainty during tumultuous periods of high uncertainty and risk can predict changes in the sovereign bond yield and spread, the credit default swap spread, and consumer confidence.     

基于启发式SVM的入侵检测系统研究

文章针对支持向量机参数一直存在根据经验确定不足的问题,提出将启发式支持向量机快速学习算法应用于入侵检测系统中。为了使支持向量分类机获得更好的分类性能,该算法提出以启发式规则选取对分类器最有利的样本进行训练,以确定支持向量机的参数,并采用内积矩阵分解算法提高分类速度,达到提高学习速度的目的。实验表明该算法在入侵检测系统中的应用优于标准支持向量机算法。     

经济适用房市场的问题与解决对策

经济适用房是国家为了解决城市中低收入者住房困难 ,采取减免地租、税收等政策来降低建房成本 ,使中低收入者能够买得起的一种房屋。从 1 998年开始 ,经济适用房在全国范围内出现以来 ,各地的经济适用房市场发展态势良好 ,很多地方都出现了供销两旺的局面。但在经济适用房市场的发展过程中 ,也出现了很多问题 ,本文分析了这些问题并提出了解决措施。     

基于改进的SVM的交通信息融合方法研究

在对交通数据特性分析的基础上,提出基于改进的SVM多源交通信息融合算法。首先,在分析了传统SVM不足的基础上,提出了决策树-支持向量机算法(Decision TreeMethod-SupportVector Machines,DTM-SVM)。其次,对DTM-SVM多源信息融合算法的模型及其流程进行了研究,建立了DTM-SVM的分层结构模型。最后,经过实际数据测试,证明了该方法的高效性和实用性。     

Incorporating support vector machines with multiple criteria decision making for financial crisis analysis

Feature selection is an essential pre-processing technique in data mining that eliminates redundant or unrepresentative attributes and improves the performance of classifiers. However, a classifier with different feature selection approaches results in diverse outcomes. Thus, determining how to integrate feature selection methods and yield an appropriate feature set is an issue worth further study. Based on ensemble learning, this investigation develops a SVMMCDM (support vector machines with multiple criteria decision making) model that employs various feature selection techniques as data preprocessing schemes and then uses SVM for financial crisis prediction. The study uses MCDM to determine the most suitable feature selection mechanism when many performance criteria are considered. After the feature selection mechanism has been determined, the study decomposes the SVM to obtain support vectors and predicted labels which are then fed into a decision tree to generate rules. The numerical results for the ex-ante and ex-post periods relative to the financial tsunami show that the proposed SVMMCDM model is an effective way to predict a financial crisis and can provide useful rules for decision makers.