基于支持向量机的中国猪肉产量预测研究

生猪养殖业作为我国大力扶持的产业,一直以来都占据中国畜牧业的“半壁江山”。尽管如此,我国居民对猪肉的消费量仍大于猪肉产量,为了稳定市场对猪肉的需求,还要依靠一定数量的进口。为了促进我国猪业的发展和更好地满足消费者对猪肉价格的预期,提高猪肉产量是一项重要手段。本文搜集了1990—2019年中国猪肉产量的数据,选择支持向量机模型预测了2020年猪肉产量,分析了猪肉产量变动情况及走势,并对相关影响因素进行系统分析,提出对策与建议,以期为中国猪业相关部门提供参考。     

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。     

基于支持向量机与BP神经网络的税收收入预测模型

我国的税收体制是一个多种因素构成的复杂动态系统,税收预测的研究对我国经济发展具有重大意义,主要通过逐步回归模型进行变量的选择,进而研究回归型支持向量机与逐步回归模型以及BP神经网络对税收收入预测的模型对比,使用均方误差和平均绝对误差两个指标来分析模型的预测性能,并获得更适合的税收预测方法,为税收分析提供一定的参考。     

基于加权支持向量机的金融时间序列预测

金融时间序列数据的预测是商业领域的热点问题,对金融时间序列进行准确的预测,对金融投资决策与风险管理具有特别重要的意义。针对金融时间序列的特点,对传统支持向量机进行了改进,提出了基于加权支持向量机的金融时间序列预测方法。研究表明,与传统金融时间序列预测方法比较,基于加权支持向量机有效地提高了金融时间序列预测的精度。     

基于相空间重构与支持向量机的电力负荷预测

近年来让人们对电力负荷预测的研究越来越显示出它对电力系统具有非常重要的意义,本文结合了电力负荷的混沌特性,对电力数据进行了相空间重构,提出了基于相空间重构和支持向量机回归的电力负荷预测方法,并结合实际应用取得了很好的效果。     

基于支持向量机的区域物流需求预测研究

基于支持向量机的区域物流需求预测是在追求更高的预测精度下提出的,首先选取非线性回归方法筛选影响区域物流需求的主要因子,然后用支持向量机模型对原始数据进行处理,并通过"影响区域物流需求因素"求解最优化的支持向量机核函数,最后构建影响区域物流需求的影响因子的非线性数据模型。结论表明,支持向量机模型相对多元线性回归、BP神经网络等,提高了区域物流需求的精确度,在之后的区域需求预测中将会有更加广泛的应用。     

基于加权最小二乘支持向量机的金融时间序列预测

针对股票市场的高噪声,强非线性和不确定性等特点和以往传统的神经网络预测方法存在的不足,对标准最小二乘支持向量机方法优化,运用给各个样本的惩罚系数和误差要求赋予不同权重的加权最小二乘支持向量机方法结合滚动时间窗来学习建模。对上证地产业类指数的建模和预测表明,该算法具有良好的预测精度和抗燥性能,是对股市进行分析和预测的一种可行而有效的方法。     

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。     

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。     

基于遗传算法优化混沌神经网络的股票指数预测

为提高BP神经网络预测模型对混沌时间序列的预测准确性,提出一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法。本文采用时间序列输入输出参数数量构造BP神经网络拓扑结构,利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型求得最优解,将该预测方法应用到上证综合指数的时间序列进行有效性验证,结果表明了该方法对上证综合指数具有更好的非线性拟合能力和更高的预测准确性。     

基于SVDD的中国区域创新能力的评价

目前现有区域创新能力线性评价手段存在着不足,因此提出了基于SVDD的中国区域创新能力的评价。该方法首先在对样本数据标准化处理的基础上,利用因子分析方法进行降维,进而应用SVDD模型实现区域创新能力的评价。同时给出了SVDD评价方法的具体步骤,并将其应用到中国各地区区域创新能力的评价中,取得了较为理想的结果。     

基于机器学习的压缩域镜头分割技术

为了进行视频结构化和视频内容分析,需要准确有效地提取视频镜头的边界信息.为此提出了一种利用支持向量机(SVM)学习压缩域特征的算法进行镜头边界检测,只需简单译码即可得到MPEG1/2等各类视频流压缩域的特征信息.经TRECVID2005镜头边界检测集的评测,该算法在保证查全率和检测精度的情况下获得了满意的效果.     

Prediction of hotel bankruptcy using support vector machine,artificial neural network,logistic regression,and multivariate discriminant analysis

The objectives of this paper are firstly, to provide an optimal hotel bankruptcy prediction approach to minimize the empirical risk of misclassification and secondly, to investigate the functional characteristics of multivariate discriminant analysis, logistic, artificial neural networks (ANNs), and support vector machine (SVM) models in hotel bankruptcy prediction. The performances were evaluated not only in terms of overall classification and prediction accuracy but also in terms of relative error cost ratios. The results showed that ANN and SVM were very applicable models in bankruptcy prediction with data from Korean hotels. When jointly measuring both type I and type II errors, especially allowing for the greater costs associated with type I errors, however, ANN was more accurate with smaller estimated relative error costs than SVM. Thus, if the objective is to find the best early warning technique that performs accurately with small relative error costs, then, it will be worth considering ANN method for hotel bankruptcy prediction.     

基于支持向量机的多特征目标抗干扰检测技术

针对箔条干扰时目标与干扰难以区分的问题,设计了一种基于多特征向量的分类算法。该算法首先对目标和箔条的特征进行分析,而后选择并构造了一组具有较高区分度的极化特征识别量,最后采用支持向量机（SVM）方法,通过对特征样本进行训练,获得了较好的分类结果。实验表明,所提算法具有较强的抗箔条干扰能力,且检测正确率可达90%以上。     

基于BP神经网络的直扩信号扩频码盲识别

针对微弱直扩信号的盲检测与估计问题,在接收方未知发送方扩频序列的前提下 ,提出了一种恢复直接序列扩频（DSSS）信号扩频码的方法。该方法基于反向传播（B P）神经网络,它的输入是接收到的信号,而其期望输出是和输入相同的信号,根据误差反 向传播来有监督地调节神经网络,网络达到收敛时根据第二层权值的符号函数值即可盲估计 出扩频码序列。实验结果表明,即使是在负信噪比情况下,该方法也能得到一个很好的估计 效果。     

利用最小冗余最大相关和SVM的SAR图像海上溢油识别

近年溢油事故频发,海洋污染日益严重。利用合成孔径雷达（SAR）卫星可以有效跟踪由海上溢油事故导致的油膜扩展情况。利用最大冗余最小相关-支持向量机（mRMR_SVM）算法进行SAR图像溢油识别,为溢油事故决策支持提供重要前提。首先采用mRMR提取最优特征向量集,对输入值进行降维; 然后采用SVM算法解决油膜图像分类问题,同时选择径向基函数（RBF）为核函数;使用训练集训练该模型,调整模型参数;以测试集特征向量作为输入,利用训练好的模型进行溢油识别。实验结果表明,mRMR_SVM模型对SAR图像的油膜和类油膜识别有效,准确率为96.875%.     

采用矢量网络分析的超宽带脉冲传播特性测量方法

介绍了一种采用矢量网络分析对超宽带脉冲传播特性进行测量的方法。首先通过测 量,得到收发天线之间环路的频域响应;然后设计合适的激励脉冲波形,通过傅里叶变换至 频域,经过一系列算法处理,得到接收信号的频域函数;最后经过傅里叶逆变换,恢复出超 宽带信号时域波形。研究了这种方法的基本流程,解决了实际应用中存在的一些问题,并在 此基础上构建了测试系统。对超宽带信号的直线传播和反射进行了测试,测试结果验证了该 方法的有效性及其优势。