基于小波支持向量机的金融预测

基于小波分析与支持向量核函数理论构造了一个小波支持向量机(WSVM),用以预测金融时间序列的波动率.与采用高斯核的标准支持向量机相比,由于小波核结合了小波分析的多分辨特性,因此可以更好地逼近任意非线性函数.仿真实验表明,小波支持向量机在股指收益波动率预测中具有较好性能.     

一种可能性测度的模糊支持向量机

支持向量机能够成功的解决分类和回归问题,但是训练数据都是精确的。如果支持向量机的训练集中含有模糊信息,即训练集中的输入训练样本点为模糊数,那么支持向量机将无能为力。基于此,在可能性测度理论和模糊机会约束规划的基础上,建立了模糊v-支持向量机模型,并将该方法应用于某病的诊断中,实验结果验证了该方法的有效性。     

基于聚类分析和支持向量机的高校教师绩效评价模型

聚类分析是对多个样本(或指标)进行分类的一种多元统计分析方法,支持向量机是借助最优化方法来解决机器学习问题的新工具.讨论采用了聚类分析和支持向量机方法建立模型,对高校教师进行绩效评价,效果较好.     

基于支持向量机的分布数据挖掘模型DSVM

本文对于基于支持向量机的分布数据挖掘模型的建立分析,是在对于DSVM中特征多叉树概念含义理解的情况下,通过进行基于移动Agent访问分布数据集原理进行特征多叉树构建的方法分析,并对于特征多叉树能够进行分布环境各数据集属性的总体特征反映的特征分析下,最终实现利用这种结构与支持向量机的特点,进行基于支持向量机的分布数据挖掘模型DS-VM的提出与建立。     

我国城镇登记失业率的数学模型与预测

结合中国国家统计局的数据,使用基于核主成分分析与加权支持向量机的方法建立模型,找出了影响就业(失业)的22个主要指标.考虑到这些指标相互之间的相关性,使用核主成分分析与加权支持向量机的方法建模,给出了算法的步骤,构造了非线性预测函数,并对1995-2009年的城镇登记失业率进行拟合预测,得到的结果具有较高的精度.     

非线性支持向量机判别阈值的设置

非线性支持向量机通过核函数将低维输入空间的数据映射到高维空间,从而将原低维空间的线性不可分问题转化为高维空间上的线性可分问题.分析了非线性支持向量机中核函数的引入可造成分类阈值的偏移问题,提出了非线性支持向量机分类阈值的优化设置方法.实验表明,所提出的阈值优化设置方法能有效提高非线性支持向量机的分类精度.     

一种改进的人工蜂群算法优化的支持向量机

为了改善现有支持向量机(Support Vector Machine)的机器学习效果依赖于参数选择,而参数选择通常依赖于经验的问题,在现有基础上,本文结合一种称为骨架人工蜂群算法(Bare-bones Artificial Bee Colony)的改进的人工蜂群算法对支持向量机的2个参数进行优化,并对该优化结果进行试验。试验结果表明,改进的支持向量机的准确率、识别速度均优于原本的支持向量机。     

一种改进支持向量机的无线定位方法

针对利用支持向量机无线定位过程中参数对定位准确度有较大影响的问题,提出一种模拟退火改进的支持向量机(simulated annealing-support vector machine,SA-SVM)参数的定位方法.根据蜂窝通信系统模型仿真数据训练支持向量机,利用模拟退火算法迭代寻找SVM最优参数,然后用得到的最优参数进行支持向量机定位.仿真结果表明,相对于原来的SVM定位,SA-SVM有效提高了定位精度,具有很好的应用价值.     

风电齿轮箱复合故障诊断方法研究

针对风电齿轮箱的复合故障诊断问题,本文提出了基于改进变分模态的风电齿轮箱复合故障的特征提取方法,并采用改进鲸鱼算法优化的最小二乘支持向量机(DEWOA-LSSVM)故障诊断模型进行故障诊断。通过变分模态方法将收集的信号分解为K个模态分量,通过加权排序熵对其进行量化处理,得到特征向量,将特征向量输入到经过改进鲸鱼算法优化后的最小二乘支持向量机模型完成故障诊断,并通过试验验证该方法的有效性。     

基于支持向量机的机器学习的研究

对机器学习、支持向量机的研究现状进行了综述,阐述了机器学习和支持向量机的基本概念以及支持向量机的训练算法.     

基于粒子群优化支持向量机的边坡稳定性预测

为了提高边坡稳定性预测的精度,保障边坡工程的安全,提出基于粒子群优化算法支持向量机的预测模型。采用粒子群优化算法不断进行搜索迭代获取支持向量机模型的最优参数,避免了支持向量机人为选取参数的盲目性和随意性。通过Matlab编程,应用实例证明:该模型的预测精度较高,预测样本的平均相对误差为3.581 9%,计算速度较快,优于改进的BP算法、GA-BP算法和改进支持向量机算法,在实际的工程应用中有着良好的应用前景。     

基于支持向量机的数字水印算法综述

对基于支持向量机的数字水印算法做了概要性的介绍,由于支持向量机可以通过有限的训练集样本得到小的误差,从而提高学习的泛化能力,因此支持向量机在版权保护领域有很好的应用效果．对基于支持向量机的数字水印技术的相关概念和现有算法进行了描述与分析,另外,对基于支持向量机的数字水印技术的未来发展方向和前景进行了预测．     

支持向量分类机灵敏度分析研究

针对支持向量分类机对偶问题建立了灵敏度分析定理.该定理可以得到支持向量分类机对偶问题的解及决策函数对输入数据参数的偏导数;该定理可以定量分析输入数据误差以及数据各种变化对支持向量机模型解及其对应的决策函数值的定量影响,为解决支持向量分类机的稳定性问题奠定基础.     

SVM在醇类酯类化合物结构活性关系中的应用

应用最小二乘支持向量机对44种醇类酯类化合物的正辛醇-水分配系数进行了研究.取34种醇类酯类化合物构建训练集,10种醇类酯类化合物作为预测集.对训练建立数学模型,对预测集模拟,发现支持向量机模型泛化能力较好.     

基于优化支持向量机及Spearman秩次检验的q滑坡变形预测研究

为提高滑坡变形预测精度,先以支持向量机为基础,采用试算法和粒子群算法优化其模型参数,构建了优化支持向量机模型,实现了滑坡变形预测;其次,再利用Spearman秩次检验法来判断滑坡的变形趋势,并通过变形趋势判断来佐证预测模型的准确性。实例研究表明:试算法和粒子群算法能有效克服支持向量机在参数设定过程中的主观性,得到优化支持向量机不仅具有较高的预测精度,还具有很好的滚动预测能力。同时,Spearman秩次检验能有效判断滑坡的变形趋势,且AR(1)模型可有效剔除原始变形序列的相关性,经去相关性处理后,相应变形序列的Spearman秩次系数会不同程度的减小,得出的判断结果趋于保守;对比变形预测结果与趋势势判断结果,得出两者具有较好的一致性,验证了2种方法在滑坡变形规律研究中的适用性和有效性。     

PB-GARCH模型在中国股市收益波动率研究中的应用

股票市场的波动率一直是金融学研究的热点问题,由于受到宏观经济运行状况、行业自身发展状况以及投资者心理变化情况的影响,股票价格的收益率呈现出复杂的非线性波动,收益的方差是自相关的,表现出分形和混沌的特征.随着股票市场研究的逐步深入,人们发展了以ARCH族模型和随机波动模型(SV)为代表的波动预测模型.但是,目前这些预测模型大多仅从股价自身的运行规律进行研究,很少考虑投资者的心理因素对股价运行规律的影响.本文结合行为金融的前景理论、GARCH模型,以及神经网络等理论,建立基于投资者心理变化的波动率模型,对该模型的估计方法进行了探讨,并以我国上证综合指数(HSEC)和深证成份指数(ZSEC)为例进行了实证分析.     

基于幂级数构造的超核支持向量机的性能研究

依据模式识别中核函数的相关理论,具体地构造了一种基于幂级数构造的超核函数,并将该超核应用于支持向量机中.实验结果证明了基于幂级数构造的超核支持向量机的优越性能.     

我国证券市场有效性测定的研究

有效市场(Efficient Market)是指市场价格波动服从随机性(Random Walk)趋势,市场价格总是能充分反映可获得的信息.如果市场中的价格不能充分反映可以获得的信息,投资者则可利用技术分析的方法获取超额利润.市场有效性能够说明市场的成熟程度.有效资本市场理论是建立在以下几个基本假设前提之上的.     

我国证券市场有效性测定的研究

有效市场(Efficient Market)是指市场价格波动服从随机性(Random Walk)趋势，市场价格总是能充分反映可获得的信息。如果市场中的价格不能充分反映可以获得的信息，投资者则可利用技术分析的方法获取超额利润。市场有效性能够说明市场的成熟程度。有效资本市场理论是建立在以下几个基本假设前提之上的。第一，市场的投资者都是理性的投资者；第二，市场内部和外部的相关股票价格变化的信息是以随机的方式进入市场的，各条信息的发布之间往往是相互独立的；     

基于级连式支持向量机的文本自动分类算法

为了解决文本自动分类问题,从解决支持向量机模式支持限制问题入手,以级连概念为指导思想,构造了多层级连式支持向量机模型,提出一种文本自动分类算法,以便处理多个模式的分类问题。由于支持向量机本质上是一种非线性数据处理工具,对于复杂的两类模式分类问题已表现出良好的适应性,而且支持向量机用于模式识别不存在局部极小值问题,且不需进行网络迭代训练,求解速度明显高于神经网络。通过以CNKI文档数据为例进行算法实践,试验结果表明支持向量机用于模式分类的实现步骤比较简单,不需要长时间的训练过程,只需根据初始样本在空间的分布特性求解最优超平面(即找出支持向量),进而确定决策函数,然后即可泛化推广识别其他待识别的同类样本。