支持向量机在数据挖掘中的应用研究

支持向量机(Support Vector Machine,SVM)是数据挖掘和机器学习中的一个很有效的工具。结合支持向量机在数据挖掘和机器学习中的应用,介绍了支持向量机的基本原理,发展方向及其研究热点。     

支持向量机在投资决策中的应用

本文研究了支持向量机在经济上的应用。通过试验取得了很好的结果。说明支持向量机在经济方面的应用有很大的实际意义。     

支持向量机在说话人识别系统中的应用

支撑向量机(Support Vector Macbinc,SVM)是一种新的统计学习方法,作为一种说话人识别的手段具有独特的优势.通过产生的支持向量来概括数据集合中的信息,其分类核函数仅依赖于一小部分训练样本,即支持向量,从而降低信息的采集量和识别时间.本文介绍了说话人识别的基本原理,特征提取、模型训练等方面,通过实验证明支撑向量机(SVM)在说话人识别系统应用中表现出的良好性能.     

测量资源在房地产估价中的应用探讨

测量资料所反映的地形、地貌、交通、水系、资源分布等基础地理信息和房地产的位置、面积、权属、用途以及相关图件是城镇房地产估价十分重要的基础资料.本研究在对测量与房地产估价关系辨析的基础上,着重探讨测量资源在基本估价法(市场比较法、收益还原法、成本法、剩余法)、应用估价法(基准地价法、路线价法)和房地产价格评估支持系统中的具体应用和实现途径,以拓宽测量成果在房地产估价中的应用,实现显著经济效益.     

房地产估价中的折旧模型比较研究

在20世纪90年代,房地产估价开始发展起来,而房地产估价行业的发展速度更是超过人们的想象,近几年来,房地产估价不仅向专业化和规范化方向迈进,而且逐渐变得多元化,这不仅可以推动整个房地产业的健康发展,而且是让其发展的主要力量,对国民经济的健康稳定发展有着非常重要的作用。随着我国建立社会主义市场经济体制,并通过人们的努力得到了完善,使得房地产估价行业对社会发展的影响变得越来越大,房地产估价行业也担负着很大的使命和历史责任,那就是建设和谐社会。在房地产评估中,有两个基本的方法,那就是成本法和收益法,这个两种方法都很可能用到折旧,又因为其中折旧值占的比例很大,已到了人们不容忽视的地步,这就对房地产准确评估价值有着很大的影响。所以,本文通过分析房地产估价的方法,对房地产估价中的折旧模型进行了比较。     

支持向量机在模式识别中的应用

针对传统神经网络存在网络结构难于确定、过学习以及局部极小等问题，研究了基于支持向量机（SVM）的模式识别问题。通过对棋盘这种典型非线性二值问题的分类研究，分析了支持向量机的分类与泛化能力。支持向量机在分类和泛化能力方面远远优于传统神经网络。最后将支持向量机用于对两类飞机目标的分类识别，通过多组蒙特卡罗试验，获得了较好的识别结果。支持向量机在目标识别中有巨大潜力和广阔前景。     

关于粗糙模糊支持向量机的探索

基于粗糙集理论和模糊支持向量机思想,提出了一种新的支持向量机模型--粗糙模糊支持向量机(RFSVM).采用UCI机器学习数据库中的数据,对比实验,RFSVM比传统支持向量机(SVM)和模糊支持向量机(FSVM)都有明显高的测试精度.     

关于粗糙模糊支持向量机的探索

基于粗糙集理论和模糊支持向量机思想,提出了一种新的支持向量机模型-粗糙模糊支持向量机(RFSVM).采用UCI机器学习数据库中的数据,对比实验,RFSVM比传统支持向量机(SVM)和模糊支持向量机(FSVM)都有明显高的测试精度.     

基于最小二乘支持向量机和遗传算法的除尘效率优化

采用最小二乘支持向量机进行除尘效率建模,并利用遗传算法对运行工况寻优,获得优化除尘效率的调整方式。仿真计算表明遗传算法能很好地对以除尘效率为目标的除尘模型优化。以优化调整方式的相应参数作为当前负荷下的基准值,可指导运行人员进行参数优化调整。现场试验表明,按此基准值运行,可以提高除尘效率,从而使除尘系统性能达到优化。     

支持向量机在春运客流预测中的应用

由于春运客流预测是不确定的,非线性的动态开放性复杂系统,传统方法往往难以正确地描述这种复杂的非线性特征,因而无法正确进行客流预测。本文采用指数平滑的客流预测方法,提出了一种基于时间序列的支持向量机的历史客流预测方法,实验数据表明,预测结果是可信的。     

支持向量机在股票价格短鞋预测中的应用

SVM采用结构风险最小化原则，使风险只与输入样本数目有关，而与输入的维数无关，从而避免“维灾数”，并且结构参数从样本学习中自动确定，克服了传统神经网络收敛速度慢、结构参数确定无理论依据、存在局部极小值等缺点，具有较好的泛化能力。将此方法应用于股票价格的短期预测，取得晟好的实验结果，而基于支持向量机的股票价格短期预测模型对股市研究也有着重要的参考价值。     

支持向量机在股票价格短期预测中的应用

SVM采用结构风险最小化原则,使风险只与输入样本数目有关,而与输入的维数无关,从而避免“维灾数”,并且结构参数从样本学习中自动确定,克服了传统神经网络收敛速度慢、结构参数确定无理论依据、存在局部极小值等缺点,具有较好的泛化能力。将此方法应用于股票价格的短期预测,取得良好的实验结果,而基于支持向量机的股票价格短期预测模型对股市研究也有着重要的参考价值。     

支持向量机在企业冰箱订单需求中的应用

为了提高企业冰箱订单预测精度,提出基于支持向量的订单需求预测模型,本文在对冰箱订单需求影响因素分析的基础上,选出对冰箱影响订单需求最为重要的五个因素,运用支持向量机(SVM)对冰箱订单需求进行训练、预测分析,得到支持向量机在冰箱订单需求预测中的准确率,通过与BP神经网络、时间序列模型(ARMA)对比证明该模型预测精度较高,是一种有效的方法,值得推广使用。     

会计信息失真识别的成本控制型支持向量机模型

在会计信息失真识别问题中,考虑到决策失误所付出的不同错误分类成本以及样本数据的不平衡分布等特点,使得基于总体准确率的数据挖掘方法不能获得理想的识别效果。本文针对会计信息失真识别问题的特点,建立了一种成本控制型支持向量机模型,利用粒子群算法进行特征选择和参数优化,从而降低总体的错误分类成本。实验证明,该模型能够有效的识别出虚假的财务报告。     

基于支持向量机的煤炭绿色物流评价模型研究

在煤炭产业中,煤炭物流是一个相当重要环节,它是生产与消费的纽带,关系到煤炭企业和我国经济的发展。本文在从绿色物流相关理论入手,结合绿色物流的研究目标,探索性地提出了一套煤炭绿色物流评价指标体系,运用支持向量机(SVM)对煤炭绿色物流评价方面进行研究,提出了改善煤炭绿色物流的相关措施。     

浅谈收益法在房地产估价中的正确应用

本文从房地产评估的角度研究了目前我国房地产评估的基本方法——收益法。本文首先概述了我国房地产估价方法的现状、特点。其次本文提出了收益法在房地产估价应用中存在的问题,如：适用范围有一定的局限性、折旧费是否应该扣除等。最后本文对收益法在房地产估价中的运用进行了探讨并提出了一些的建议,如：健全估价体系、规范估价流程、引入国际评估准则。本文的基本逻辑进程是提出问题到分析问题,然后解决和探讨问题。     

基于支持向量机在重工业经济领域预测研究

提出了一种基于支持向量机预测重工业经济月度同比增长率的方法。利用2002年以来,我国6年的重工业月度同比增长率数据,建立支持向量机预测模型,并对预测结果和实际值进行了比较分析,表明该方法用于经济预测和经济分析是有效的。     

基于数据挖掘的支持向量机库存预测模型研究

针对传统库存预测方法的不足及库存自身特点,引入支持向量机这一数据挖掘的新方法,建立了库存预测模型,把服务水平作为模型的输入特征,实现了库存动态预测。     

趋势面分析方法在房地产估价中的应用研究

本文从区位论的观点出发,将商业房地产价格的空间变化规律,看作是与其地理位置密切相关的函数.文章结合趋势面分析及其模型优化的原理和方法,分析得出了江苏省徐州市商业房地产价格变化及分布与其位置坐标对应的数值关系,并以此数值关系对待估商业房地产价格进行了客观、准确的评估,以期为房地产估价提供了一种可借鉴的方法.     

英美房地产估价模型发展研究

英国是世界上最早出现房地产估价的国家,探寻英国房地产估价的方法的演进对于了解房地产估价,拓展房地产估价思路有重要的启迪价值。美国的房地产市场及房地产估价市场走在世界前列,研究美国房地产估价方法的演讲发展对于我国当前房地产估价市场有重要借鉴意义。