遗传模拟支持向量机在居民消费价格指数预测中的应用

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.     

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。     

基于支持向量机的海南省入境旅游客流量预测研究

海南省以其独特的热带旅游资源吸引着大批游客前来观光度假,旅游业已成为海南建省后的支柱产业。文章通过对海南省1987年至2005年入境旅客客流量数据的特征分析,在统计学习理论和结构风险最小化准则的基础上,建立了基于支持向量机的海南省入境旅游客流量预测模型。实例分析表明,该方法具有收敛速度快、泛化能力强等优点,比较适合旅游客流量的预测。     

支持向量机在企业技术创新绩效评估中的应用

技术创新绩效评估对于企业来说至关重要,构建一种有效的评估模型非常关键。引入支持向量机,建立了一种新的评估模型——基于支持向量机的企业技术创新绩效评估模型。并通过实证研究,证明了该方法在技术创新绩效评估中的有效性及优越性。     

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。     

基于支持向量机的供应链风险评估研究

供应链风险评估是供应链风险管理研究中的重要内容。笔者在文献研究及调研的基础上,通过调查问卷构建了一套供应链风险评估体系,将基于支持向量机的机器学习算法运用到供应链风险评估中,得到了供应链风险评估模型并进行了实证研究。研究结果表明:基于支持向量机的供应链风险评估模型可以完成对实际风险的评估,且具有较高的训练效率与精度,从而说明模型的有效性。     

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。     

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。     

支持向量机在股票特征选择中的应用研究

在西方国家,股票市场已经成为整个社会经济的“晴雨表”和“报警器”,其对于经济发展的作用不可估量。中国的股票市场经过十几年的发展,已初具规模。随着越来越多的人进入股市进行投资活动,人们提出各种各样的股市预测方法;     

支持向量机在舞弊审计数据分析中的运用初探

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.     

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。     

基于支持向量机的内幕交易识别研究

内幕交易的识别问题一直是证券市场的难题,学术界进行了大量有益的探索,却难以得到满意的结果。本文选取了从2000—2015年被我国证监会或司法机关查处的内幕交易案例作为研究样本,利用支持向量机模型对内幕交易进行识别。研究结果表明：累积超额收益率、股价波动持久性、超额换手率、股价信息含量以及股权制衡度是有效识别内幕交易的重要指标,总体识别准确率达到了86.18%,该模型的识别效果比较理想。     

基于支持向量机旅游需求预测

针对旅游预测中常存在旅游因子难以确定、样本容量小等特点,探讨了一种新的预测方法——支持向量机回归算法(SVR)在旅游需求时间序列预测中的应用。以2004年1月至2007年4月的中国入境旅游人数月度数据为样本,建立了入境旅游需求预测的SVR模型。通过对模型的检验并与神经网络模型(BPNN)的比较,其结果表明SVR模型更优于BPNN模型。     

基于支持向量机的信托公司创新能力评估方法研究

创新能力评估对于信托公司来说至关重要,如何构建一种有效的评估模型非常关键.鉴于当前评价信托公司创新能力方法的不足,本文尝试将支持向量机方法引入信托公司创新能力评估,井通过实证研究,证明了该方法在评估信托公司创新能力中的有效性及优越性.     

基于支持向量机的上市公司违规预警模型研究

上市公司违规问题不仅对上市公司自身造成损失,对社会经济也产生巨大负面影响,因此,事先预防比事后处罚补救更为重要。利用支持向量机对上市公司违规风险进行预测,建立的违规预警模型具有准确性高、泛化能力强的优点,是监管部门科学、有效预防上市公司违规的一件“新武器”。     

基于支持向量机的ERP软件供应商选择研究

如何选择适合企业发展的ERP软件是许多企业尤其是中小型企业比较关心的问题,所选择的ERP软件供应商直接关系到企业信息化建设的成败进而关乎企业未来的命运。利用支持向量机为企业评价ERP软件供应商提供了现实可行的解决方法。首先构造了反映软件供应商实力的评价指标体系,再利用支持向量机对ERP供应商的这些评价指标进行综合评判,进而分析出软件供应商的优劣,为企业的决策提供依据,因此具有重要的现实意义。     

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。     

基于支持向量机的虚假财务报告识别研究

如何识别虚假财务报告是一件十分困难的事情。针对虚假财务报告的特点,设计一个基于支持向量机的虚假财务报告识别模型将有助于该问题的解决。根据1999-2002年的年度审计报告意见类型,从上市公司中选取44家虚假财务报告样本,并按照一定的标准选择了44家对比样本,这88个样本构成训练数据集。类似地,从2003-2006年的上市公司中,选择了73家虚假财务报告样本和99家对比样本,这172个样本构成测试数据集。我们使用训练数据集对支持向量机模型进行训练,并将训练后的模型对测试数据集进行测试,取得了较好的实验结果。     

基于支持向量机方法的中小企业信用评级优化研究

中小企业在我国国民经济和社会发展中处于重要的战略地位,但中小企业长期以来一直面临着融资困境,若能建立一套适用中小企业特点的信用评级方法,将在很大程度上解决银企之间的信息不对称问题,从而缓解其融资困境。因此我们致力于中小企业信用评级指标体系的选取和技术路线的优化,通过选用一种小样本学习理论支持向量机（SVM）方法对中小企业信用状况进行评估,形成较为先进的中小企业信用评级方法,并通过实证分析并与BP神经网络进行比较,证明了该方法的有效性。     

基于支持向量机的战略联盟合作伙伴选择研究

支持向量机是在经验风险最小化原理基础上发展出的一种新的机器学习技术,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。在对支持向量机理论进行深入研究的基础上,探讨了其在战略联盟合作伙伴选择中的应用并总结出相应的决策规则,为企业选择战略联盟合作伙伴提供参考。