支持向量回归机在装备维修器材消耗预测中的应用

首先介绍了ε-支持向量回归机(ε-SVR)的基本原理,而后把它引到装备维修器材的消耗分析当中,建立了预测模型,并结合例子进行仿真实验。仿真结果表明,模型可行、准确。     

支持向量机技术及其应用研究

支持向量机(SVM)是建立在统计学习理论基础上的一种小样本机器学习方法,本文主要介绍了支持向量机的基本原理,多类分类的研究现状。最后介绍了支持向量机的典型应用。     

基于支持向量回归机的城市用水量预测研究

对城市的用水量进行准确的预测,能够合理规划城市给排水系统。选取用水人口、居民可支配收入、生活水价三种因素作为影响因子,基于MATLAB构建了一种支持向量回归机(Support Vector Regression,SVR)的城市年用水量预测模型。MATLAB仿真结果表明,基于SVR的城市年用水量预测模型训练集的决定系数为0.990、均方误差为0.0043;测试集决定系数为0.978、均方误差为0.0043。该模型能够有效的对城市的年用水量进行预测,对降低供水电耗具有实际参考价值。     

基于支持向量回归机的物流需求预测模型研究

通过介绍物流需求和支持向量机的基础理论,利用经济与物流需求之间的关系,提出了基于支持向量回归机的物流需求预测模型,给出了构建模型的具体分析步骤,并通过实例详细阐述了模型的应用过程,预测结果验证了模型的可行性和有效性。     

基于支持向量回归机的区域物流需求预测研究

为了提高区域物流需求预测的精确度,以区域物流与区域经济内在关系为视角.通过灰色关联模型以寻求影响区域物流需求关键因素,制定区域物流需求指标体系,应用支持向量回归机(SVR)方法,建立物流需求预测模型.经过实证分析,该方法具有高水平的训练相对误差和测试相对误差.也表明了模型的可行性和可信度,从而为区域物流需求预测提供有效...     

支持向量机的应用

支持向量机算法是十大经典算法之一,对于数据分类,数据回归方便有着极好的应用.在实际操作中,我们常用它来处理分类问题.但传统的支持向量机存在噪声太多,数据处理太慢和收敛过快的问题,可通过调整参数进行改进.本文将建立一个模型,实现对支持向量机的简单应用.     

支持向量机在财务危机预警中的应用评析

信息技术的迅速发展和世界经济全球化使很多企业面临各种各样的经营困难,最终体现为财务危机。提前对其进行预警以协助企业有效地规避财务危机是十分重要的。随着研究的深入,各种财务危机预警方法逐渐成熟。本文从样本选择、模型建立和预测性能3方面对支持向量机（SVM）在财务危机预警领域的应用进行了评析,认为SVM方法具有强大的分类功能和优良的学习性能,在财务危机预警领域有着广阔的应用前景。     

基于支持向量机的消费者行为分类方法

大数据时代的来临,企业更加重视通过数据分析来洞察消费者行为,以实现更为精准的营销模式。现有对消费者行为的分类方法主要有层次分析法,聚类,贝叶斯网络等。文章引入支持向量机的方法应用在消费行为分析中,它是在统计学理论基础上发展起来的一种新的模式识别方法,在解决有限样本,非线性及高维模式识别问题中表现出许多特有的优势。最后,文章利用广东省烟草公司的实际调研数据进行支持向量机的训练。文章发现,相比于传统的消费者行为分类方法,支持向量机用于消费者行为分析是一种更精确有效的分类方法。     

基于支持向量机回归算法的航空公司客流量预测研究

在航空公司运营管理过程中,航空客流量预测是其航班计划和机队规划的重要依据。本文介绍了航空客流量预测中常用的几种预测方法,并对他们的特点进行了分析比较;阐述了支持向量机的理论基础和原理,给出了支持向量机的回归模型,并重点探讨了预测模型中核函数的选择方法;在选择适当的参数和核函数的基础上,对航空客流量进行预测,并与BPANN和线性回归算法这两种预测方法进行对比,证明支持向量机回归算法能获得训练最小的相对误差,是相对有效的一种航空客流量预测方法。     

支持向量机在装备维修备件需求量预测中的应用

利用支持向量机回归算法建立备件需求模型,对未来备件需求进行了预测,并结合实例将支持向量回归算法与传统的最小二乘拟合方法作比较。结果表明,支持向量回归算法在预测精度上具有明显的优势,该方法能够较好地适应样本数量较少、需求呈非线性特征的备件预测问题。     

基于支持向量机模型的财务预警警度分类研究

本文以模式分类理论阐述了财务预警的实质,给出了财务预警指标及量化方法,并应用支持向量机模型对上市公司进行财务预警警度分类,实证表明了支持向量机以多模式分类标识财务预警警度的可行性和实用性。     

基于支持向量机和TOPSIS的驾驶风格分类评判

不同驾驶风格对驾驶安全产生重要的影响,针对各类驾驶风格做出安全性综合评价,通过实车试验采集50名驾驶人的行车数据,结合专家对被试者驾驶风格的评判并利用支持向量机算法对驾驶风格进行分类,构建TOPSIS评价法对各类驾驶风格进行综合安全评估并提出建议。结果表明,支持向量机对驾驶风格分类结果准确率高达80.5%,保守型驾驶风格的安全性最高。     

径流长期预报的支持向量机方法

支持向量机是近年来提出的一种新的机器学习算法,在解决小样本、非线性及高维模式识别问题中具有独特的优势。针对径流形成过程的不确定性和复杂性,提出了基于支持向量机分类模型的径流长期预报方法。相关研究表明,该方法是可行的,具有预测精度高和良好的可靠性等优点。     

基于支持向量机的信用评级分析

公司信用评级分析吸引了众多科研文献对其进行科学研究。近来的研究也表明,相对于传统的统计方法,支持向量机方法在信用评级分析中有着更好的表现。文章就引入了这一相对较新的机器学习技术——支持向量机,来研讨信用评级问题。最后通过实证分析,说明了这一方法的可行性。     

径流长期预报的支持向量机方法

支持向量机是近年来提出的一种新的机器学习算法,在解决小样本、非线性及高维模式识别问题中具有独特的优势.针对径流形成过程的不确定性和复杂性,提出了基于支持向量机分类模型的径流长期预报方法.相关研究表明,该方法是可行的,具有预测精度高和良好的可靠性等优点.     

基于支持向量机的多准则航材ABC分类法

分析了传统的ABC分类法在航材分类中应用的问题,将航材的单价、采购提前期、平均故障间隔时间、年消耗量、重要度等级作为分类准则,运用支持向量机多分类原理对航材进行ABC分类,通过与传统ABC分类的比较,验证了此分类方法的有效性、优越性,提高了航材管理的科学性。     

支持向量机在航材供应模型中的研究

针对部队航材供应量预测过程中,样本采集数目较少的实际情况,采用了一种新的预测方法—支持向量机。该方法基于统计学习理论的原理,较好地解决了小样本的学习问题。并以某部队2000～2007年某项航材供应量为学习样本,建立了该项航材的供应量预测模型。计算结果表明,这种方法比传统的方法具有更少的误差和更好的预测精度。     

基于支持向量机的会计信息失真识别研究

公司会计信息不仅是资本市场必不可缺的信息资料,也是政府宏观和微观管理国民经济的重要信息来源,会计信息真实性是其基础和保障,尤其重要。本文构建了支持向量机分类识别模型框架,并采用支持向量机(SVM)算法对会计信息进行失真识别。实验中,选取2007年至2016年国泰安数据库A股上市公司为样本,选取了25个财务指标和5个非财务指标作为研究变量,将Lib SVM用于样本预处理、训练和测试,以建立会计信息失真识别模型。结果表明所建模型对会计信息失真企业的正确识别率达到94.8%,具有很好的实践价值。     

支持向量机在手写签名的应用研究

文章论述了支持向量机的原理和在手写签名方面的应用,描述了手写签名识别系统的判别过程。实验表明,支持向量机有很好的识别能力。