基于微分进化算法的支持向量机预测模型及其在制造业发展预测中的应用

根据支持向量机的自适应问题,通过对比传统进化算法的不足,提出基于微分进化算法的支持向量机模型,并以日本制造业时间序列数据为例,进行了较为准确的多步预测。     

基于KPCA-SVM的公路客运量预测研究

支持向量机(Support Vector Machine,SVM)是建立在统计学习理论和结构风险最小化准则基础上的机器学习方法,该方法可以较好的解决以往很多学习方法的小样本、高维数、非线性和局部最小点等实际问题.本文利用支持向量机(SVM)回归理论和方法,建立基于核函数主成分支持向量机(Kernel Principal Component Analysis-Support Vector Machine,KPCA-SVM)回归模型,并用2000-2008年杭州市公路客运量为样本进行了预测,结果表明,KPCA-SVM模型具有较高的预测精度和可靠性,是一种有效的公路客运量预测方法.     

煤层顶板冒落预测方法分析

本文以煤层顶板冒落数据作为样本,利用weka等软件,利用粗糙集理论等相关非线性理论知识,分别采用支持向量机和Bp-神经网络对煤层顶板冒落进行训练和预测.从详细的精度,混淆矩阵和节点错误率这三个方面分别比较三种算法,从而得到结论是:Bp-神经网络的训练和预测效果是稍微强于支持向量机.     

基于主成分分析和支持向量机的个人信用评估

本文针对信用评估指标维数较高的问题,运用主成分分析与支持向量机理论建立了一个新的个人信用评估预测模型。为反映该模型在信用评估分类方面的优越性,又分别建立了基于神经网络、K近邻判别分析等多种理论的信用评估模型,并用同一组数据对不同的模型分别进行训练,然后比较其预测分类正确率。实验结果表明,基于主成分分析与支持向量机理论的个人信用评估模型具有较优的预测分类正确率。     

基于小波自适应支持向量机的短期电价预测

电价预测对于发电商、供电企业以及市场监管者都具有重要的意义。提出一种小波自适应支持向量机预测模型,先将电价时间序列作小波分解得到低频和高频分量,再采用自适应调整法,自动地为支持向量机选择较好的参数对电价小波分量逐一预测,最后通过小波重构得到电价最终预测结果。实例证明前述方法得到的预测精度高于BP、RBF、SVM等传统预测模型。     

基于FCS-SVM的建筑业碳排放预测研究

科学预测建筑业碳排放对建筑的低碳发展具有重要意义。论文应用模糊布谷鸟搜索算法优化支持向量机模型对建筑业碳排放预测问题展开研究:首先构建建筑业碳排放测算模型,通过灰色关联度模型筛选建筑业碳排放的影响因素,在此基础上建立建筑业碳排放的模糊布谷鸟搜索算法优化的支持向量机(FCS-SVM)预测模型对建筑业碳排放进行预测。研究结果表明,FCS-SVM建筑业碳排放预测模型的精度高于BP神经网络预测模型以及混沌粒子群算法优化的BP神经网络(CPSO-BP)预测模型。     

农业信息化投入对农业产出贡献率评价研究

为进一步提高农业信息化投入对农业产出贡献的评价精度,提出一种基于粒子群优化算法优化LSSVR的混合智能评价方法,采用粒子群优化算法选取最小二乘支持向量回归机训练参数。首先,介绍粒子群优化算法优化LSSVR算法,并以农业信息化对农业总产出贡献率的预测进行农业信息化评估实验。选取广东省2003-2010年农业信息化对农业总产出贡献率的数据进行研究,表明基于粒子群优化最小二乘支持向量回归机的混合智能评估算法相比于传统的支持向量回归机有更好的评估效果。这种方法能较好地评价与预测农业信息化对农业总产出的贡献率,对正确引导我国农业信息化的发展具有重要的理论价值。     

基于支持向量机的股票投资价值研究

随着中国股票市场的发展和日趋成熟,股票投资价值的研究方法也日趋完善。非线性方法在股市研究中取得了快速的发展,其中支持向量机是近几十年来一个较新的发展分支,研究的是小样本问题下的机器学习方法。基于支持向量机方法研究上市公司年度财务数据对未来股价的变化的预测能力,同时通过预测结果选出股票投资组合,判断收益率是否能战胜市场。     

基于支持向量机的股市组合预测模型研究

首先利用线性回归模型提取股市系统的线性特征,其次神经网络提取股市系统的非线性特征,共同生成预测个体;最后利用支持向量机回归组合,时变权重分别赋权生成最终结论。建立基于支持向量机的股市组合预测模型,并对上证指数的日开盘价,收盘价实例分析,结果表明该方法取得较好的效果。     

创业板上市公司财务预警研究

为了对退市前的创业板上市公司进行财务预警,本文选取93家创业板公司,包括64家财务健康公司和29家财务困境公司,分别使用两类人工神经网络模型和支持向量机模型,采用现金流量安全与否作为财务困境的标准,从20个财务指标提取10个,建立财务预警系统。研究结果表明,相对于人工神经网络模型,支持向量机模型能够较好地对小样本进行判别预测,是一种比较理想的财务预警模型。     

电网企业售电量预测综述

售电量是电网企业最为关注的指标之一,本文对中长期售电量预测步骤及其模型方法进行了研究。其中预测步骤包括:制定计划、收集资料、整理资料、建立模型、评价模型、综合分析、出具报告、结果分析等。预测模型有经典预测模型、灰色系统预测模型、神经网络预测模型、支持向量机模型等。     

基于LS-SVM的企业信用等级分类系统研究

利用主成分分析建立了企业信用评价财务指标体系,将信用风险评价的问题看作是对贷款企业信用风险的模式分类问题,在此基础上构建了最小二乘支持向量机信用等级分类系统,最小二乘支持向量机相对于其他支持向量机和神经网络,运算速度快易于操作,因此在我国商业银行信用风险评价领域的具有较大的应用前景.     

舰船建造防污漆价格波动分析及其模型

基于防污漆价格数据（1998-2007年）绘制了其价格波动曲线,分析了其波动成因。为了反映波动规律和进行波动预测,又基于支持向量回归机算法建立了防污漆价格波动模型,并与经验算法和时间序列法进行了结果比较,证实了该波动模型的有效性。     

基于决策树和支持向量机的金融时间序列预测方法

由于传统的金融时间序列预测方法无法有效识别不同领域时间序列的不同特征,从而导致了当前一些时间序列预测方法的不足,无法有效地指导实际研究。文章提出了一种改进的金融时间序列数据预测方法,该方法首先对采集到的数据进行预处理,利用决策树对时间序列进行特征抽取,并建立基于支持向量机的时间序列预测模型,最后对时间序列进行预测。实验结果表明,文章的方法能有效的降低预测模型的复杂度并提高预测精度。     

浅析基于数据挖掘技术的上市公司信用风险评估

近年来,数据挖掘方法被广泛应用于金融、经济领域,在信用风险方面也受到越来越多的重视.本文尝试将数据挖掘方法引入信用风险预测问题中,全面比较决策树、神经网络和支持向量机算法在上市公司信息风险预测问题上的优劣,以期为我国上市公司信用风险预测起到参考作用.     

基于支持向量机的上市公司竞争力分析

作为数据挖掘中的一项新技术,支持向量回归机(SVR)正被运用到各种各样的实际问题当中,发挥了其它方法所不具有的优越性。本文通过运用支持向量机的方法,对房地产行业上市公司的竞争力进行了实证研究,采用十折交叉验证法对样本进行训练、验证,得到上市公司的竞争力状况及其变化趋势。     

我国风力发电项目投资风险评价——基于支持向量机模型

在分析我国风力发电项目投资风险并建立其评价指标体系的基础上,将支持向量机模型用于风力发电项目投资风险评价,全面衡量风力发电项目面临的经济风险、技术风险、政策风险等。支持向量机方法很好地解决了风力发电项目样本数据缺失、评价主观性问题。实证分析结果表明,利用支持向量机模型评价风力发电项目的投资风险,具有一定的适用性和准确性。     

基于SVM集成学习的认知障碍脑电分类研究

目的:提出了一种基于小波特征提取的支持向量机集成分类算法,用于脑卒中后认知障碍病人的识别.方法:首先由Infomax独立分量分析算法去除脑电信号中的干扰成分;然后利用db4小波基提取认知电位P300特征波,并进行叠加平均;最后将特征量基于Bagging算法送入支持向量机基分类器进行集成学习,通过最大投票法得到分类结果.结果:实验结果表明,该算法分类效果好,平均分类精度为85.71%.结论:较单个支持向量机分类器,识别性能好,实现了认知障碍脑电信号的有效分类.     

基于免疫优化多分类SVM的变压器故障诊断新方法

本文旨在将免疫算法与多分类支持向量机（SVM）进行结合,利用免疫系统的特殊性能将支持向量机分类所要用到的参数进行优化,从而减少分析诊断过程中所做的无用功,能够迅速有效的实现对变压器发生的故障的诊断和处理,防止事故范围的进一步扩大,从而保障了供电的稳定可靠性。     

支持向量机在人岗匹配度测算中的应用

在某市住房公积金管理中心的人力资源配置过程中,通过实例研究发现,采用支持向量机的人岗匹配度测算模型相对于BP人工神经网络等其他常规模型匹配精度更高,在样本数量较少的情况下其优越性更加突出。组织在采用支持向量机模型和模糊综合评价法进行人岗匹配度评价时,先应通过科学的工作分析,建立合适的测算指标体系,然后构建岗位匹配度矩阵和岗位候选人模糊矩阵,最后运用最小二乘支持向量机测算匹配度。