基于GA-SVM的上市公司财务评价模型研究

财务评价是企业财务管理中的重要环节,本文在对传统财务评价方法的不足进行分析的基础上,结合财务管理理论和企业预警理论,采用GA-SVM方法建立上市公司财务评价模型。首先以沪深两市2007~2009年度A股上市公司为研究对象,以因财务状况异常而被列为特别处理的公司(ST公司)作为界定上市公司的财务危机标志,并以上市公司年报财务数据作为输入特征向量,然后将遗传算法与支持向量机相结合,通过实证方法建立上市公司财务评价模型,实证结果验证了该模型的有效性。     

基于SVM和GA-SVM的个人信用评估模型研究

在大数据时代,数据的作用不可估量,被广泛应用到各个领域,提高了各行各业的生产效率,继而促进了经济的高速发展.同时,由于数据的高效使用,我们的生活方式也在不断改变,其中最值得重视的是我们的消费模式发生了很大的变化,信用消费模式越来越普遍,所以对消费个体进行信用评估也就越来越重要.对个人进行信用评估指的就是对个人的历史...     

个人信用评估GA-SVM模型的构建与应用

文章针对SVM中的参数选择问题,提出了利用遗传算法进行优化的方法,并将其应用于商业银行的个人信用评估中,构建了个人信用评估GA-SVM模型;通过对GA适应度函数的设置来控制个人信用评估中给商业银行造成较大损失的"取伪"误判的发生;模型的应用结果表明,GA-SVM模型能够对样本数据进行较好的分类,并且"取伪"误判得到了控制.     

运用GA-SVM模型的砂石骨料分类方法

提出一种能够直接从破碎工序上识别骨料成分的算法模型.在花岗岩、石灰石、灰绿岩三种骨料剪切破碎实验的基础上,获取其相关物理特征量;然后,采用遗传算法(GA)与支持向量机(SVM)相结合的算法,对破碎、筛分后的人工砂石骨料物理特征量进行训练,建立人工砂石骨料分类的GA-SVM模型.研究结果表明:所提GA-SVM模型具有较强的分类效果,能够较好地识别人工砂石骨料成分;与传统的BP神经网络、偏最小二乘法相比,其分类准确率高.     

基于动态调整的GA-SVM多分类二叉树的方法

基于遗传算法的支持向量机决策树多分类方法仍然存在错误累积的问题,累积的错误往往使分类准确率下降,分类效果变差,存在全局优化缺陷的问题;并且在每个节点进行二分类常用的实数编码切分方法,效率低下。针对这两方面的问题,提出从根节点开始逐层构造二叉树,运用二进制编码的遗传算法进行每一阶段的二叉树构造。二进制编码对于每个节点的分类以及进行交叉、变异更高效,不用考虑从什么位置切分。针对越靠近根节点产生的误差对后续节点分类误差的累积影响,提出一种动态调整的方法,此方法对每个节点赋予权重再进行对权重的调整使得整体的分类误差减小,最终得到二叉树的全局最优,从而提高分类精度。通过实验并进行五折交叉验证表明,DABT-SVM比多种传统的支持向量机多分类算法在全局优化能力和分类精度上有很大的提升。验证了该算法的可行性和有效性。     

基于GA-SVM的渤海湾富营养化模型

为了更好地模拟和认知渤海湾富营养化的复杂行为,通过研究遗传算法(GA)和支持向量机(SVM)的结合形式,即参数寻优和特征选择,以渤海湾水质实测资料为依据,叶绿素a的质量浓度为输出,建立了GA-SVM的富营养化模型.无特征选择时,用遗传算法对支持向量机的参数(惩罚参数和核参数)进行自适应地优选,预测模型的均方误差可达到1.831μg/L,具有较好的认知、泛化能力.再利用遗传算法二进制编码及启发式寻优的优点,对所建模型的输入空间进行特征选择,提取出代表性的特征变量:DO%、pH值、水温、COD、盐度以及氨氮.特征提取后预测模型的均方误差可达到1.363μg/L,模型性能有了很大提高.分析表明,COD、盐度及氨氮可作为人为控制的首要指标.     

基于GA-SVM算法的网络入侵检测研究

信息网络化时代使得网络更加开放,网络安全问题备受关注,有效的网络入侵检测算法对确保网络安全发挥着至关重要的作用.在对SVM算法进行分析的基础之上,采用GA算法对惩罚系数和核参数进行优化,得到用于网络入侵检测的GA-SVM算法,同时将其应用于KDD Cup99数据集的4种网路入侵数据的检测中.检测结果表明,相对于SVM算...     

基于GA-SVM的股票投资价值评价研究

针对股票投资价值评价问题,依据模式识别的思想,采用GA-SVM方法建立股票投资价值评价模型。首先,综合考虑影响股票投资价值的多方面因素,采用主成分分析方法完成对股票投资价值特征的提取,然后将遗传算法与支持向量机相结合,通过实证方法建立股票投资价值评价模型。结果证明该模型具有良好的选股能力。     

一种改进的多类支持向量机超光谱图像分类方法

支持向量机（SVM）是建立在统计学理论基础上的一种机器学习方法,用于解决二类分类问题,如何有效地将其推广到多类分类问题是一个正在研究的课题．总结了现有的主要的支持向量机多类分类算法,并在1-a-1SVM分类算法基础上提出一种二次分类的方法．改良了惩罚因子,提高了不易分的类别之间的可分程度．通过对超光谱图像进行分类实验,结果表明该方法具有较高的分类精度．     

基于GA-SVM模型预测减水剂对充填体强度的影响

 改善充填料浆的工作性能、提高充填体的强度和密实性是矿山充填法的研究方向之一。充填配比实验表明, 在充填材料的制备过程中加入适量的高效减水剂可以提高充填体的抗压强度。为得到经济、高效的减水剂添加参数, 以萘系、氨基、木钙和脂肪族4 种减水剂结合新型充填胶凝材料, 应用某矿山的全尾砂进行配比实验, 建立GA-SVM 预测模型进行优化选择。在优选过程中, 以4 种减水剂的添加量作为输入因子, 以充填体28 d 龄期单轴抗压强度作为综合输出因子, 根据室内试验, 建立训练、验证样本集;建立支持向量机(SVM)回归预测模型, 通过遗传算法(GA)对SVM 模型参数进行优化选择, 当4 种减水剂组合添加的质量分数依次为0、0.35%、0.30%、0.60%, 抗压强度预测值为4.20 MPa。与实验对比, 该模型预测结果的相对误差能控制在1%以下, 精确度较高, 为减水剂添加参数的优选提供了一种新思路。     

Forecasting Financial Distress of Chinese High-tech Manufacturing Companies Based on a Hybrid Model of GA-SVM

Owing to the radical changing of Chinese economy, it is essential to build an effective financial distress prediction model. In this paper, we present a genetic algorithm (GA) approach for optimizing parameters of support vector machine (SVM). We validate the proposed model on datasets of Chinese high-tech manufacturing industry. Experimental results reveal that the proposed GA-SVM model can compare to and even outperform other exiting classifiers. Compared to grid-search algorithm, the proposed GA-based takes less time to optimize SVM parameter without degrading the prediction accuracy of SVM.     

基于GA-SVM算法烟叶部位致香成分差异性分析

采用高效液相色谱-气相色谱-质谱联用法(HPLC-GC-MS)测定中部和下部烟叶的巨豆三烯酮、β-紫罗兰酮、氧化紫罗兰酮、茄酮等11种致香成分,应用遗传算法(GA)对筛选出的8种致香成分建立中部和下部烟叶支持向量机(SVM)分类判别模型.结果表明,中部和下部烟叶的SVM分类判别模型的建模、留一法及预报准确率分别为95.45%,89.39%和81.25%.利用Fisher判别矢量方法考察了中部和下部烟叶的空间分布规律,分析出中部和下部烟叶致香成分中,巨豆三烯酮、β-紫罗兰酮、氧化紫罗兰酮差异显著.     

一种序列虹膜图像的质量评价方法

为了实现对虹膜身份识别系统中所采集的序列虹膜图像的质量评判 ,提出了一种利用眼睛结构中瞳孔、虹膜、巩膜各区域边界部分灰度差值评判因子进行质量评价的方法。实验证明 ,用该方法可以快速、有效地鉴定序列虹膜图像的质量 ,提高该身份识别系统的工作效率     

基于SVM的表面肌电信号动作模式识别*

为更好地将表面肌电信号应用于智能轮椅的人机接口,提出了一种基于SVM的表面肌电信号动作模式的识别算法。采用一对一的方式构造SVM多值分类器,按照投票原则确定测试样本的类别归属,并与动作模式识别的核fisher算法和RBF神经网络算法进行了对比分析。实验结果表明,支持向量机(SVM)算法识别率更高,可以取得理想的学习效果和泛化性能,很好地解决小样本、非线性及局部极小值问题。     

基于支持向量机的武器装备研制项目风险评价方法

针对武器装备研制项目风险评价方法在实际应用中存在的问题,对支持向量机在武器装备研制项目风险评价中应用的可行性进行了分析,提出了基于支持向量机的武器装备风险评价模型.应用收集相关项目的数据资料进行了实证研究,并与神经网络和模糊综合评价法进行了比较分析.结果表明,基于支持向量机的评价模型具有良好的自学习性和特征提取能力,可为武器装备研制项目风险评价提供有益的参考.     

基于GA-BP神经网络的序列虹膜质量评价算法

针对虹膜质量评价指标单一或过多的情形, 提出一种基于GA-BP神经网络的序列虹膜质量评价算法. 首先对虹膜图像进行粗质量评价, 筛选掉大多数不合格的较差质量图像; 然后对虹膜图像进行精质量评价, 选用3个较重要的指标得出指标值; 最后结合BP神经网络融合精质量评价指标进行图像质量的最终评价. 在JLU-6.0虹膜库中进行验证, 并与其他算法进行对比测试, 测试结果表明, 该算法能保留较多的有效虹膜图像, 且分类精确度较高.