基于增量支持向量回归机的股价预测模型研究

随着越来越多的人加入到股票投资中,有效的股票预测方法就显得尤为重要。本文利用增量支持向量回归机对上证指数的收盘价进行预测,并同神经网络方法进行比较分析、实证研究,可发现,基于增量支持向量回归机的股价预测模型表现较佳,为股价预测模型研究提供了一种新的方法,进而为投资者提供了一定的参考信息。     

如何预防冷轧带钢表面出现黑斑缺陷的探讨

针对冷轧板产品易出现黑斑缺陷问题,从原料、工艺等方面分析了黑斑缺陷成因,并提出了控制带钢板形,优化卷取张力及退火工艺、加强乳化液管理等措施,较好控制了黑斑缺陷,产品合格率达96%。     

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。     

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.     

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BP网的手写数字符号识别

探讨了一种手写数字符号的识别方法，采用BP神经网络。利用其良好的监督学习功能进行识别．结合提取的降维数字符号特征，能较好地识别出手写的数字符号．实验结果表明。该方法简单且有较高的识别率．     

上市公司特别处理的财务指标预警探析

对上市公司的财务指标进行分析,可使决策者提前警觉风险的存在。文章以2010年为研究时点,选择IT上市公司2007～2009年的财务数据为目标变量。在小样本的情况下,首先采用聚类分析的方法对指标分类,然后以"噪声比"为依据,构建支持向量机的特征集。实证分析发现,对于信息技术业,上市公司的有形资产负债率,营业利润率和应收账款周转率在上市公司被"特别处理"前,有着显著性的差异。