基于支持向量机的旅游客源预测模型研究

为了能够进行合理的旅游规划和管理,应该对旅游客源进行准确的预测,因此,深入地研究了支持向量机在旅游客源预测中的应用。首先,分析了支持向量机的基本理论;其次,分析了近年来我国境内旅游市场发展情况,并且分析了旅游市场变化的原因;然后,进行了旅游客源预测实际分析,首先根据1996-2011年期间我国旅游客数据验证了支持向量机的预测准确性,然后对2012-2018年我国境内旅游客源数量进行预测,从而为旅游机构进行旅游配套设施建立提供了有利的理论依据。     

中国消费者物价指数预测——基于小波变换与支持向量回归的分析

将小波分析和支持向量回归(SVR)模型引入消费者物价指数CPI的时间序列分析中,利用小波降噪对原始时间序列进行小波变换,充分提取和分离金融时间序列的各种隐周期和非线性,把小波分解序列的特性和分解数据随尺度倍增而倍减的规律充分用于SVR支持向量回归模型的建模。将该方法应用于中国宏观经济指标CPI的分析与预测,可以有效预测CPI的变动方向,并显著提高CPI的预测精度。     

基于遗传支持向量机算法的文本分类

支持向量机具有良好的泛化和高维模式识别能力,广泛地应用于文本分类中.然而,文本分类的准确性却很大程度上依赖于参数惩罚因子(C)和核函数(γ)的正确选择.运用遗传算法优化支持向量机参数,选取文本分类准确率作为适应度函数,通过种群进化实现支持向量机参数寻优,构造基于遗传向量机算法的文本分类器(GA-SVM).实验表明,改进后的文本分类器(GA-SVM)在准确度和运行速度都有明显的提高,具有较强的可行性和实用性.     

基于支持向量机的上市公司信用风险评估

提出一种新型模糊支持向量机算法,并将其应用于上市公司信用风险研究中.分析对比选取不同核函数的实验结果,实验结果表明,相对于支持向量机方法(SVM)、模糊支持向量机模型和神经网络模型,新型模糊SVM模型更具有效性和优越性,并且具有更好的泛化能力.     

一种基于支持向量机的带钢表面缺陷识别方法

鉴于支持向量机（SVM）在小样本、高维模式分类中具有的优良分类性能,可以基于多分类支持向量机来检测带铜表面的缺陷。本文构造了一类有向无环图支持向量机（DAGSVM）,利用交叉验证进行了参数和模型的选取,对冷轧带钢中几种现场易出现的缺陷进行分类,并与BP神经网络进行比较分析。实验结果表明,这类基于SVM的算法识别效率较高,较好地解决了小样本学习问题,避免了BP神经网络出现的过学习、收敛速度慢、泛化能力弱等缺点,可有效地应用于带铜表面缺陷检测。     

基于支持向量机的风险投资项目风险预警实证研究

风险投资是椎动创新的重要力量.风险投资推动创新企业的发展,创造新的经济发展模式.但风险投资项目通常面对较高的风险,对其进行风险预警管理具有重要意义.本文在对风险投资项目进行充分的风险识别基础上,构建风险投资项目的风险预警指标体系,并利用支持向量机建立风险投资项目的风险预警模型,从而对风险投资项目进行风险预判,帮助项目管理者对较高风险项目进行风险防范和处理,避免风险发生或降低风险损失,保证风险资本收益.     

基于支持向量机的中小上市公司财务评价模型构建

科学有效地对公司的财务状况进行评价,不仅对公司财务危机预防具有重要作用,对促进资本市场更好更快发展也至关重要。基于人工神经网络和支持向量机的思想,以我国2009年276家中小上市公司的财务数据作为输入特征向量,建立中小上市公司财务评价模型,使用该模型分析的结果与样本企业实际情况相符,表明该模型有效性较高。     

基于粒子群优化支持向量机的冲天炉铁液质量预测

冲天炉铁液质量预测是一项复杂而有难度的技术,受到很多因素的影响。文章提出了基于粒子群优化支持向量机（PSO-SVM）的冲天炉铁液质量预测方法,即将粒子群优化算法（PSO）用于SVM参数优化。它不仅具有很强的全局搜索能力,而且容易实现。经实验结果证明,PSO-SVM的预测输出与实测数据基本一致,其预测精度高于普通的SVM,所有的预测误差都远小于5%的工程许可误差。     

粗糙集与支持向量机在冠心病诊断中的应用

提出了一种基于粗糙集(RS)与支持向量机(SVM)的冠心病诊断方法。利用粗糙集对原始数据进行属性约简,得到优化后的特征属性集和新的数据集,采用支持向量机对新的数据集进行分类训练和预测。结果表明该方法对冠心病预测的准确率达到91%以上,具有较好的应用前景。     

基于相空间重构及自适应支持向量机的短期风速预测

风速具有较强的随机性和间歇性,导致大规模风电接入电网会严重影响电力系统的安全稳定运行以及电能质量。较为准确的风速预测可以降低风能对电网的不利影响,为电网运行调度提供可靠的依据。在对风速进行混沌属性分析及相空间重构的基础上,采用自适应支持向量机进行短期风速预测,结果表明该方法的预测精度高于BP、RBF等预测模型。     

基于ＡＲＣＨ模型的我国股票市场收益波动性研究

运用ＡＲＣＨ模型对我国股指日收益率及波动性进行实证研究,探索我国股指收益率波动特征。实证研究结果表明：上证综指日收益率呈现明显的波动集群性特征,因此我国证券市场表现出的波动幅度和风险性要大大高于国外成熟的资本市场;我国股票市场存在显著的信息非对称性和杠杆效应,尤其是股票市场好消息导致的市场波动比同等大小的坏消息引起的波动要小。研究结果显示回归模型存在自回归条件异方差,这表明我国股票市场波动具有条件异方差效应。     

货币供应量与我国股票指数关系的实证研究

文章对我国货币供应量增速与上证综合指数、中小板综合指数之间的关系及货币供应量增速对这两个指数的动态影响进行了实证研究,结果表明我国各层次的货币供应量增速与两大指数存在长期的协整关系,货币供应量增速变化会对两大指数产生正向影响,而且货币供应量增速对中小板综合指数比上证综合指数的影响大。     

距离相似度在支持向量数据描述中的应用

支持向量数据描述的分类边界是由分类边界上的支持向量决定的,通过对支持向量的理论研究,提出一种基于距离相似度的支持向量数据描述约减算法。实验结果表明,该算法在小规模样本数据中具有一定的优越性和实用性。     

我国上市公司财务报告舞弊识别模型对比研究

在我国沪深A股上市公司中,选取年报舞弊的公司45家、健康公司95家,建立了4变量BP神经网络和Logistic回归财务报告舞弊识别模型,结果表明,BP神经网络模型具有更高的识别准确率,总准确率达到了87.10%。     

异质性研发与“生产率困境”——基于政府和市场调节效应的研究

基于生产率困境理论，运用2000~2017年中国30个省际数据，通过对实体经济技术效率的结构分解，分析异质性研发对实体经济持续性技术效率的影响以及政府和市场在其中的调节作用。研究发现：持续性技术效率增长停滞是制约实体经济总技术效率提升的主要原因，颠覆式创新对提高实体经济持续性技术效率存在抑制作用；渐进式创新对提升实体经济持续性技术效率有促进作用。要突破中国实体经济生产率困境，必须注重政府和市场对不同研发活动的互补效应，颠覆式创新更需要"有为政府"的大力支持，渐进式创新更注重"有效市场"的配置作用和"有限有为政府"的外部效应。     

单位劳动力成本、汇率变动与出口的互动关联研究——基于面板向量自回归(PVAR)模型的分析

基于我国34个工业行业的面板数据,采用面板向量自回归模型（PVAR）对单位劳动力成本、汇率风险与我国出口之间的互动关系进行研究。结果显示,单位劳动力成本与出口存在双向抑制作用,即工资上涨不利于出口规模的扩张,出口也无法促进工资增长率的上升,但出口显著地提升了劳动生产率;汇率变动对出口脉冲响应函数值正负交替,呈现出不确定性,出口对汇率变动产生了超调现象;我国存在"进口引致出口"机制,且出口也能通过收入效应和汇率两条路径影响进口;产出对出口的影响关系呈现不确定性,但出口可以带动产出。在方差分解中,单位劳动力成本变量对出口具有较强的解释能力,是导致我国出口变动的主要因素,汇率变动对出口的短期解释能力较强,进口在长期解释能力较强,产出在三个不同时期解释能力基本一致,但出口对其他变量的解释能力普遍较低。