最小二乘支持向量机的扩展及其在时间序列预测中的应用

根据时间序列近期数据较远期数据包含有更多未来信息的思想,对最小二乘支持向量机预测方法进行了扩展,得到了更具一般性的最小二乘支持向量机预测模型,给出了扩展后的预测模型具体算法。两个时间序列的预测实例表明,扩展后的预测方法获得了更好的预测效果,提升了最小二乘支持向量机预测方法的价值。     

基于劣势前沿面的两阶段区间DEA评价与排序方法

在非径向CR模型与劣势前沿面的基础上 , 提出了一种两阶段区间DEA方法, 对具有不确定性且包含独立子系统的决策单元进行相对有效性评价与排序.      

一种新的巷道围岩稳定性分类模型及其应用

在分析以往一些巷道围岩稳定性分类模型存在的不足之处的基础上,给出了一种新的模型。此模型通过计算研究对象所属的各个已知模式的相对录属度和级别特征值,判断了研究对象的分属模式。最后,给出了应用实例。     

基于冗余的时间序列非线性特性的判定

考虑到常用的替代数据法进行非线性判定存在缺陷，研究了基于信息理论冗余概念的非线性判定方法，在Renyi α熵定义的基础上，推导了计算冗余的一般公式，即用相应的关联积分表示冗余，文中应用实例表明；相对于传统的空间划分或盒内计数方法计算冗余，用关联积分计算冗余显得更自然，更易实施。     

基于劣势前沿面的两阶段区间DEA评价与排序方法

在非径向C2R模型与劣势前沿面的基础上,提出了一种两阶段区间DEA方法,对具有不确定性且包含独立子系统的决策单元进行相对有效性评价与排序.     

混沌吸引子分形维数的计算

在重构相空间的基础上计算吸引子分形维时,合适的嵌入维ｍ和时间滞后τ的先取至关重要。在虚假领域概念基础上,本文给出了确定ｍ和τ的方法。较之以前的方法,此方法更准确、简单、容易理解、易实施,对较小样本数据集也可靠。最后的应用实例验证了理论的正确性。     

基于混沌理论与径向基函数神经网络的混沌时间序列预测

根据混沌时间序列的特性 ,给出了将混沌理论与径向基函数神经网络相结合对其预测的方法 .首先在虚假邻域概念基础上 ,提出了可同时确定合适的嵌入维数与时间延迟的方法 ,从而可据此确定径向基函数神经网络的输入 ;然后 ,用径向基函数神经网络进行学习及预测 .最后 ,给出一个实例 .     

基于核主成分与加权支持向量机的福建省城镇登记失业率预测

选取了影响失业率的19个指标,构建了基于核主成分分析与加权支持向量机的预测方法,给出了具体的预测步骤,并用此方法对福建省城镇登记失业率进行了预测研究.研究结果表明,由于所用预测方法考虑了指标的相关性及不同时期样本的不同重要性并进行了简化降维,拟合及预测都达到了很高的精度,其相对误差都小于1{\%},说明用核主成分分析与加权支持向量机来预测失业率是可行且有效的,并可将其推广到其它领域的预测问题.