多输出支持向量回归算法

支持向量机是一种基于统计学习理论的新颖的机器学习方法，由于其出色的学习性能。该技术已成为当前国际机器学习界的研究热点．这种方法已广泛用于解决分类和回归问题．在回归中。目前的研究和应用都限于单输出的情况,而实际中有很多属于多输出回归问题．针对这一点，将支持向量回归算法推广到多输出情况．仿真实例说明了该算法的可行性．     

区间数结合算子模糊逻辑及λ—归结

（０，１）上的所有区间数作为一个结合算子格Ｌ１，本文在此格上建立了一种新的模糊逻辑系统ＩＯＦＬ，讨论了该逻辑系统的一些性质，范式表示及λ－归结等问题。     

组合模型对居民消费价格指数序列的分析及预测

求和自回归移动平均模型(简称ARIMA)及支持向量回归模型(简称SVR)是两个重要且行之有效的分析及预测时间序列的方法.他们都能在一定程度上反映数据所包含的信息且信息不会完全重叠.为了能够各取所长,本文用这两种模型的组合模型对居民消费指数(CPI)进行了预测,结果显示组合模型提高了指数的预测精度.     

时滞区间Lurie系统的鲁棒绝对稳定性

借助于Lyapunov泛函的构造方法及区间矩阵分析方法,首次对具有时滞非线性控制项的时滞区间Lurie控制系统的鲁棒绝对稳定性进行了研究,得出一些实用的具有时滞多非线性项的时滞区间Lurie控制系统鲁棒绝对稳定的充分条件,给出的例子说明了结果的有效性。     

GARCH类模型在我国期货市场预测中的应用研究

理论研究和实证分析是期货市场波动性和价格操纵行为研究的重要基础,GARCH类模型的研究和应用被认为是该领域的重要成果．利用时间序列分析方法,以2009年1月5日至2011年6月10日期货市场每月总成交额为样本,对我国2009年以来期货的总成交额进行实证分析．通过ARCH模型分析、ARCH效应检验和CARCH模型分析,认为TARCH（1,1）模型是适合的,且期货日成交额序列存在一定的波动聚类与持续性而表明存在条件异方差性的较明显、非对称性的存在而显示出的杠杆效应的突出．     

中国各地区普通中学基本情况的聚类分析

聚类分析法是多元统计中常用的分析方法,根据样品的不同特征,可以采用不同的聚类方法。近年来,中国大学生毕业后的就业问题备受关注．毕业后要去哪里的问题最为困扰。本文通过对中国各地区2008年普通中学基本情况进行聚类分析,为想要从事中学教育的毕业生指明了方向。采用的聚类算法为层次聚类算法和动态聚类算法,并且比较两类算法分类的差异。     

GARCH模型和ECM模型对沪深两市预测的比较分析

GARCH模型反映了经济变量之间特殊的不确定形式：方差随时间变化,所以在金融市场的预测和决策有着重要的作用。鉴于股票和房地产这两个重要的经济指标,本文选择上海和深圳两地的股票收益率的波动性作为研究对象,建立了GARCH模型及其主要变化形式,结果表明基于T分布的GARCH（1,1）模型更好模拟了实际值。另外,本文还对上海,深圳的股市进行协整分析,建立了相应的误差修正模型并对其预测,预测效果比基于T分布的GARCH（1,1）模型更好。     

单参数支持向量回归算法

支持向量机是一种基于统计学习理论的新颖的机器学习方法，由于其出色的学习性能，该技术已成为当前国际机器学习界的研究热点．这种方法已广泛用于解决分类和回归问题．在回归中，标准的支持向量回归算法在采用ε-不敏感损失函数时引入两个参数．为了减小学习复杂性，给出一种单参数约束下的支持向量回归算法，该算法能够减少支持向量的数量，提高程序的运行速度．最后，以一个混沌时间序列预测为例，所给方法同标准支持向量回归算法进行了比较，运行速度明显提高．     

元胞自动机研究进展

元胞自动机是一个具有简单运算规则的动态模型,但却能展现出复杂的行为．元胞自动机引起了许多研究者的关注,相关研究工作已经广泛展开．论文综述了元胞自动机的研究进展及在不同领域的一些应用．     

基于HP滤波的股票长期价格神经网络模型预测

将上证指数和深证成指股票数据作为研究对象，对股票长期价格进行预测．选取长短期神经网络、循环神经网络、HP滤波长短期神经网络混合模型和HP滤波循环神经网络混合模型进行比较分析．经过模型间的对比分析，发现HP滤波对长短期神经网络预测的优化效果要优于循环神经网络.