基于支持向量机的工程项目风险预测

本文在介绍支持向量机(SVM)基本原理的基础上探讨了支持向量机在建设工程中应用的可能性和有效性,提出基于支持向量机的项目风险预测算法,为预测工程项目风险提了一种新的方法。本文同时也介绍了Libsvm软件在项目风险预方面的应用。     

基于支持向量机的中小企业自主创新能力评价指标识别

中小企业自主创新能力是国家社会经济发展的重要驱动力,客观科学地评价中小企业自主创新能力,将有助于其健康成长,针对企业自主创新能力评价指标设计随意性、片面、交叉繁杂的现状,通过建立SVM指标识别模型,并利用苏州五县市25家中小企业的100个数据进行实证分析,结果显示该模型对研究者从任意角度设计出中小企业自主创新能力评价指标有一定的识别能力,由此确保构建出的自主创新能力评价指标体系将更趋于合理实用。     

基于支持向量机的网贷借款人违约风险评估

随着互联网金融的发展,P2P网贷平台规模急速扩大,网贷平台的跑路潮现象及借款人违约问题等也随之出现,这极大制约着网贷平台的健康发展。利用爬虫技术获取借款人信息,选取17个核心变量为解释变量、项目状态为目标变量,并通过交叉验证确定支持向量机模型的最优参数,建立最佳网贷借款人违约风险评估模型。实验结果表明,模型的稳定性和泛化能力较好,研究结果可为网贷平台风险预警和风险防控等方面提供决策支持,有助于促进网贷平台健康发展。     

基于支持向量机回归的中国CPI预测研究

本文针对中国CPI指数的预测问题．首先用主成分分析方法对影响CPI指数的八个指标进行降维处理．然后利用支持向量机技术建立起中国CPI指数的预测模型并对我国实际的CPI指数进行了预测。实证分析结果表明,PCA—SVM模型能够有效地对CPI指数进行短期预测。最后．与单纯的支持向量机模型的预测结果做了对比．对比结果表明．支持向量机和主成分分析相结合的模型应用于CPI预测具有较高的精确度。     

支持向量机在上市公司风险管理中的应用

在严峻的经济形势下,企业之间的竞争越来越激烈,提高企业的竞争力和综合实力,研究企业的风险具有很强的实践意义,可以让企业提前预知风险,降低企业破产的可能性。研究企业风险的传统方法大多是基于线性的,而企业的风险一般是非线性。支持向量机(support vector machine)模型是基于统计学习理论发展起来的一种新兴的机器学习方法,对解决非线性、小样本问题具有很好的适用性。利用支持向量机模型研究中国上市公司的风险,通过对上市公司的财务比率进行建模和仿真研究,发现支持向量机对所选取的样本具有很好的分类效果,强于传统的线性方法,得出了支持向量机在上市公司的风险预测方面具有很强的准确率和可行性。这对以后研究上市公司风险具有一定的参考意义。     

基于支持向量机的旅游目的地游客满意度评价模型

游客满意度是旅游目的地旅游业发展的风向标,对旅游地的和谐发展具有重要的指导意义。针对游客满意度与满意度评价指标之间存在明显的非线性关系,在重构旅游目的地游客满意度测评指标体系现有的基础上,利用支持向量机方法构建旅游目的地游客满意度分类评价模型,实现对旅游地5种满意度状态的智能评判。试验结果表明,与传统的神经网络分类器相比,SVM具有更优的分类正确率及更快的运行速度,具有一定的推广应用价值。     

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。     

基于支持向量机的网络贷款平台等级评价

采用有监督学习方法建立支持向量机模型,对网络贷款平台的等级评价方法进行了研究。由于学习样本少,为了提高模型的泛化能力,采用K-fold交叉验证方法进行模型学习。采用不同的核函数分别建立6种支持向量机模型,选择经过5轮交叉验证后正确率最高的模型作为最终的输出模型。验证结果表明,虽然学习样本数量不多,所建立的支持向量机模型在验证集中预测准确度达80%。     

基于支持向量机的“拍照赚钱”任务打包与定价研究

文章旨在对当前热门行业拍照赚钱的任务发布方案与定价方案进行研究。通过K-均值聚类模型和支持向量机,综合运用了MATLAB和SPSS等软件建立了相关模型,解决了在已有数据中挖掘定价规律,并以此为基础设计定价方案、任务打包发布方案。在对任务打包发布后,为了压缩成本,故通过一种合理且有效的方法,即折扣系数,修改定价方案。最终通过模拟我们发现新的打包发布方案和定价方案下的最终完成率大幅提升至92.22%,且总成本下降了3400元。     

基于最小二乘支持向量机的高强混凝土强度预测

针对在多因素影响下较为准确地进行确定高强混凝土强度的问题,采用常规的试验分析方法存在耗时耗材耗人力过多,提出最小二乘支持向量机模型来预测高强混凝土强度。工程应用研究的结果表明,采用最小二乘支持向量机模型比人工神经网络模型、线性以及非线性回归分析更具有较高的预测精度,该方法能很好地表达高强混凝土强度与各影响因素之间的非线性映射关系,能方便快捷地预测出假定配合比对应的高强混凝土强度值．为实现高强混凝土配合比设计提供了一条新的途径。     

多变量支持向量机预测技术研究及应用

机械系统中,对振动信号敏感特征量的预测可以反映机械设备运行状态的趋势。然而,特征量往往受到多个变量的影响,当前的单变量支持向量机(Support Vector Machine或SVM)预测技术无法实现多变量预测。建立一种能够实现多变量影响下特征量预测的多变量SVM预测方法,将具有很好的应用前景。文章提出了一种多变量SVM预测模型,对多变量输入的非线性函数的预测结果验证了该模型的有效性。将该预测模型应用到滚动轴承疲劳寿命实验数据中,实验结果验证了多变量SVM预测技术的有效性。     

数控机床几何误差研究

文章主要分析了数控机床的误差来源、数控机床的几何误差类型以及常见的几何误差建模方法.     

隐私保护线性规划和支持向量机

本文首先介绍了线性规划的德私保护算法：第一种是基于转换的方法,第二种方法是调用正规的加密技术来实现隐私保护;其次介绍了隐私保护支持向量机根据数据的分布情况可分为集中式和分布式两种,并对数据垂直分布和数据水平分布情况下的一些研究成果进行了总结。     

基于支持向量机的C2C电子商务信用评价体系研究

电子商务的成功需要买卖双方彼此信任并做出承诺,无论是企业还是个人,都应对其信用进行评估。对于企业信用评级来说,评级制度必然会减少或避免企业因信息不对称而产生的各种不诚实行为(包括违约行为)。基于模糊积分的支持向量机(SVM)集成方法,对客户信用进行评价,考虑了各分类器的分类结果,各个分类器对最终决策的重要性作出判断。通过实证分析,探讨支持向量机(SVM)集成方法的可行性和优越性,为我国建立电子商务客户评价体系提供参考。     

基于最小二乘支持向量机的地震安全社区经济评价研究

近几年地震频繁发生,为有效预防地震灾害,我国对防震减灾工作越来越重视,大力推进地震安全社区的建设,同时,对地震安全社区的经济性评价也要求更科学、客观和准确。首先对地震安全社区经济指标进行了分析,建立了地震安全社区经济评价指标体系。为提高经济评价的精确性,避免评价过程中的主观性,选择采用粒子群优化最小二乘支持向量机（PSO-LS-SVM）模型对地震安全社区进行经济评价,建立了评价模型。实证分析表明,该模型的评价结果与地震安全社区实际经济情况极为接近,可用于地震安全社区的经济评价。     

数控机床的误差补偿技术研究

阐述了数控机床加工误差产生的原因,在已有的数控机床在线检测模型基础上,分析了数控加工误差补偿原理,提出了基于多体系统理论的误差建模的规律性,从而只要确定了相邻体间的位置特征、运动特征,就能找到对应的特征矩阵和变换矩阵。每对相邻体间变换矩阵确定后,按照误差模型规则便可以得到误差模型公式,载入辨识好的误差参数可得数值解,从而进行相应补偿。实践结果表明,该误差补偿技术大大提高了机床的加工精度,具有实用性。     

支持向量机在双桥静力触探土性识别的应用

针对静力触探在工程勘察中分层工作量大、对技术人员的经验基础要求较高、需要钻探辅助分析等缺点这一现状,文章通过静探数据建立支持向量机的模型,试图探索一种自动识别土性的方法,方便技术人员进行土层分层。以原始静探数据为基础,静探数据中锥尖阻力、侧摩阻力、摩阻比、差值作为模型的输入属性,土性类别作为输出属性;针对静探数据中不同土性的样本数目不平衡这一问题,将权值系数法加入到支持向量机模型中,并以几何平均准确率作为预测效果好坏的评价指标,建立出适合静探数据土性分类的支持向量机模型。运用这个模型对扬州市某工程勘察部分静力触探数据进行土性分类,整体分类准确率高达90%以上,证明此方法是可行的。     

非参数支持向量预测方法及蒙特卡罗仿真检验

本文详细介绍了非参数支持向量预测方法,独特的结构风险最小化设计赋予了支持向量算法最出色的预测能力。蒙特卡罗仿真检验验证了支持向量预测方法的理论优点,即,无论在短期预测,还是长期预测上,也不管是预测变量的绝对水平还是变化方向,支持向量预测方法都一致地优于MLE和ANN方法。嵌套检验也从统计上显著地证明了这个结论。