共查询到20条相似文献,搜索用时 39 毫秒
1.
遗传模拟支持向量机在居民消费价格指数预测中的应用 总被引:1,自引:0,他引:1
为了能够准确地对我国居民消费指数进行预测,本文深入研究了支持向量机在居民消费价格指数中的预测,首先阐述了最小二乘支持向量机的基本理论,接着提出了遗传模拟退火算法,最后进行实例研究,结果表明该方法具有较高的预测精度. 相似文献
2.
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. 相似文献
3.
农业信息化投入对农业产出贡献率评价研究 总被引:1,自引:0,他引:1
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。 相似文献
4.
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。 相似文献
5.
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。 相似文献
6.
7.
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。 相似文献
8.
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. 相似文献
9.
10.
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。 相似文献
11.
12.
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. 相似文献
13.
支持向量机拥有良好的推广性能和较高的分类准确率,在舞弊审计中能提高效率和正确率,笔者通过研究,探索了支持向量机在舞弊审计数据分析中运用的主要方法,为审计实践活动提出了富有开创性的意见. 相似文献
14.
基于主成分分析和支持向量机的个人信用评估 总被引:2,自引:1,他引:1
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。 相似文献
15.
16.
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。 相似文献
17.
与现有研究文献不同,文章采用基于统计学习理论的新型机器学习方法——支持向量机(SVM),通过2004年沪市的机械、设备、仪表行业上市公司的股权属性、董事会特征对公司绩效进行识别。研究结果显示,各组检验样本的正确识别率基本都在80%以上,证明支持向量机对公司绩效具有良好的识别能力,特别是表现出对小样本的适应性。 相似文献
18.
客户流失分析与预测是客户关系管理的重要内容,针对银行客户流失数据中正负样本数量不平衡而且数据量大的特点,论文应用支持向量机建立客户流失预测模型,并以国内某商业银行VIP客户流失预测为实例,与人工神经网络、决策树、逻辑回归和贝叶斯分类器方法进行了对比,发现该方法能获得最好的正确率、命中率、覆盖率和提升系数,是预测现有客户流失倾向的有效方法。 相似文献
19.
20.
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. 相似文献