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。     

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.     

基于小波-BP神经网络的风电场短期风速预测

对风电场风速进行较准确预测可以调整调度计划,有效减轻风电对整个电网的不利影响。文章将小波技术和神经网络相结合对风速进行短期预测。先对原始风速数据进行小波分解,再针对各小波分量分别建立BP神经网络模型进行预测,最后通过小波重构得到原始风速预测值。仿真结果表明,所提方法能够有效地提高风速预测精度。     

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。     

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.     

基于主成分分析与多分类支持向量机的单沟泥石流危险性预测

泥石流是一种常见的地质灾害,对人类的生命和财产都会造成极大危害。泥石流危险性预测是防灾减灾的关键。以白龙江流域泥石流为例,首先利用主成分分析对原始数据进行分析,提取主成分,然后采用交叉验证的方式抽取训练样本与预测样本进行多分类支持向量机预测,建立预测模型,对泥石流危险性等级进行分类预测。结果表明:基于5折交叉验证的主成分分析与多分类支持向量机预测模型准确率可达到90%,可为泥石流危险性预测的研究提供计算模型依据。     

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。     

一种基于支持向量机的带钢表面缺陷识别方法

鉴于支持向量机（SVM）在小样本、高维模式分类中具有的优良分类性能,可以基于多分类支持向量机来检测带铜表面的缺陷。本文构造了一类有向无环图支持向量机（DAGSVM）,利用交叉验证进行了参数和模型的选取,对冷轧带钢中几种现场易出现的缺陷进行分类,并与BP神经网络进行比较分析。实验结果表明,这类基于SVM的算法识别效率较高,较好地解决了小样本学习问题,避免了BP神经网络出现的过学习、收敛速度慢、泛化能力弱等缺点,可有效地应用于带铜表面缺陷检测。