共查询到20条相似文献，搜索用时 31 毫秒
1.
支持向量机(SVM)方法作为数据挖掘中的一种人工智能方法,能够解决数据维数过大、非线性、小样本等问题,在股价预测方面比其他方法具有更大的优势.本文利用支持向量机的分类原理,用上证180股价指数中的90个成分股作为训练样本对支持向量机模型进行训练,选取上市公司基本面中的行业特征和公司相关财务指标以及股票市场中的技术指标,然后用训练好的模型对剩余的90个成分股样本的股票价格的涨跌进行分类预测,结果显示支持向量机方法对股价涨跌的预测具有较高的准确性. 相似文献
2.
《赣南师范学院学报》2018,(3):66-71
农业文本分类旨在对主流的农业信息网抽取的文本数据集进行分类.在样本充足的情形下,经典的支持向量机方法能取得较好的效果,然而在样本较少或者样本矩阵很稀疏的情形下效果较差.提出了一种基于特征族群语义扩散核(它是语义扩散核的一种)和支持向量机的半监督农业文本分类方法.该方法在经典的支持向量机方法基础上结合特征族群语义扩散核,使得农业文本分类准确率得到一个显著的提升,在训练集样本数量只有原来一半的数量情况下预测原来的测试样本,预测准确率几乎与原来的相同. 相似文献
3.
张燕 《商洛师范专科学校学报》2014,(4):38-41
为减少不均衡数据对支持向量机分类性能的影响,提出一种基于二次支持向量机的欠取样分类算法,该算法依据样本的分类超平面贡献大小对多数类样本进行欠取样．并对少数类样本进行过取样,重构训练数据集。该算法能够删除样本中的噪声数据。用控制参数控制删除样本的规模,实验表明,该算法能够提高支持向量机在不均衡数据集下的分类性能。 相似文献
4.
支持向量机(SVM)是统计学习理论最为成功的实现。支持向量机适用于两类样本的分类问题,面对正负样本数目失衡的情况,加权的方法虽然能有效改变分类器对数目小的样本类的预测偏置问题,但往往是以牺牲数目较大样本类的预测精度为前提。单分类支持向量机(One-SVM)只用某一类样本来训练分类器,可以有效避免预测偏置问题的出现。本文将单分类支持向量机(One-classSVM)用于UCI数据库的灯盏花分类研究,结果显示,单分类支持向量机在处理样本数目失衡的模式识别问题中,具有良好的泛化能力,预测精度特异性达到95.45%,同时单分类支持向量机只用一类样本训练分类器,在算法的时间复杂度上也具有优势。 相似文献
5.
基于支持向量机方法的股票预测模型 总被引：1，自引：0，他引：1
利用支持向量机方法建立股票投资预测模型,经过与多项式函数及Sigmoid核函数的对比,选用Gauss径向基函数作为SVM核函数;抽取223支上市公司的股票作为研究样本,并选取对股票投资影响显著的财务指标构造样本数据集,代入支持向量机模型进行实证测算;实验表明,与BP神经网络模型相比,在样本有限的情况下,基于支持向量机的股票投资模型预测精度更高。 相似文献
6.
针对标准支持向量机训练时间过长与参数选择无指导性问题,给出一种通过粒子群优化双支持向量机模型参数的方法。与标准支持向量机不同,该方法的时间复杂度更小,特别适合不均衡的数据样本分类问题,对求解大规模的数据分类问题有很大优势。将该算法与标准的支持向量机分类器在不同的文本数据集上进行仿真实验对比,以验证算法的有效性。结果表明基于粒子群优化的双子支持向量机分类器的分类结果高于标准支持向量机分类结果。 相似文献
7.
赵俊 《辽宁科技学院学报》2012,14(2):37-39
改进了单纯利用非参数核估计预测上证指数的方法。首先利用隐马尔科夫模型将数据分成两种状态,即正常状态和非正常状态。然后对正常状态的数据仍然使用非参数核估计进行预测,而对非正常状态的数据则结合支持向量机(SVM)进行预测。由于在较少数据预测问题中支持向量机模型预测具有较大的优势,从而使新的预测方法较以前的方法具有更好的预测效果。 相似文献
8.
9.
分析影响凝冻天气的相关因素：温度、降水量、湿度、气压和风速,对这些数据进行归一化处理,并以这些数据为输入样本,以是否有凝冻为输出样本,选取1969—2000年的数据作为训练样本,以2001—2008年的数据作为测试样本,然后分别用支持向量机和BP神经网络对凝冻天气进行识别预测。通过数据分析和实验比较,采用支持向量机对凝冻的识别率比BP神经网络更精确,这对凝冻天气的预测有很大帮助。 相似文献
10.
《嘉应学院学报》2016,(5):16-20
针对传统Android恶意应用检测方法在处理大规模样本时存在的训练时间长、存储空间消耗大的问题,提出一种基于增量学习SVM的Android恶意应用检测方法.该方法提取Android应用的权限申请和API函数调用特征,利用增量学习SVM理论将训练样本集随机划分为初始样本集和若干个增量样本集,利用循环迭代方法训练SVM分类器,每次新的训练仅保留上一轮训练得到的支持向量集并合并到新增样本集中,舍弃大量对分类结果不产生影响的样本以提高分类器学习效率,同时产生新的支持向量集,并最终得到一个高精度的SVM分类器.通过将增量学习SVM算法与基本SVM算法进行对比实验,结果表明,该算法可以有效降低分类器学习时间,减少样本存储的空间占用,同时随着样本规模的积累逐步提高分类精度. 相似文献
11.
免疫遗传优化支持向量机回归在混沌时间序列预测上的应用 总被引：1，自引：0，他引：1
在分析支持向量机(Support Vector Machines,SVM)回归算法的基础上,提出了一种免疫遗传优化向量机回归算法来预测混沌时间序列.算法根据混沌时间序列样本的特点利用免疫遗传算法对支持向量机回归方法参数进行优化.免疫遗传算法有效地克服了未成熟收敛现象,获得相关参数最优值.对混沌时间序列预测的实际算例表明,与支持向量机方法相比,本文所提的免疫遗传优化支持向量机回归方法具有更高的预测精度. 相似文献
12.
支持向量机（SVM）作为一种机器学习分类算法应用广泛,但在处理高维度数据集时往往会由于特征维数较多遇到算法分类速度慢且容易陷入局部最优等问题。为了提高支持向量机的性能,提出一种基于多宽度高斯核（GKMW）的支持向量机特征选取算法FSG。FSG算法将泛化能力更强的多宽度高斯核函数引入支持向量机中代替传统的高斯核函数,利用多宽度高斯核函数能体现各个特征对分类贡献程度不同且能区分样本中各个特征重要性的特点,以多宽度高斯核函数的参数优化结果为基础进行特征选取。利用特征选取后的特征子集在多组标准UCI数据集上分类实验,实验结果表明所提算法性能优于有代表性的特征选取法。 相似文献
13.
黄国华 《湖南第一师范学报》2011,11(2):133-136
以支持向量机为分类器,序列的k-letter词为特征,建立了原核生物的基因识别模型。分别选取已知功能的基因为正样本,和与等长正样本的随机突变序列为负样本组成训练集。5倍交叉实验的结果表示,对于具有不同核函数的支持向量机以及不同长度的词特征,其预测准确率不同,最高的可达94％以上,最差的低于60％;长度为3的词的特征的分类结果最好,其次是长度为4。这说明3联核苷酸为基因序列比较好的统计特征。 相似文献
14.
15.
文章采用相关向量机(Relevance Vector Machine)对股市的股票数据进行回归分析,并与支持向量机(Support Vector Machine)方法进行比较。同时还应用RVM方法对股指数进行预测,并给出预测的置信区间,这对投资者的投资行为具有一定的指导意义。 相似文献
16.
林关成 《渭南师范学院学报》2012,(2):83-86
传统的支持向量机分类算法在优化过程中对所有支持向量都进行优化,增加了计算量,降低了训练效率.针对上述缺点,在分析样本模糊隶属关系的基础上,采用改进的K近邻算法为已知样本分配隶属度,根据训练样本的隶属关系,剔除非支持向量,减少训练样本,并将其用于中文网页的分类中,得到了较好的分类效果.仿真实验结果表明,改进后的方法不仅相对简单,而且在保证分类器性能的情况下,能有效地减少支持向量机的训练样本数,从而提高支持向量机的训练和测试速度. 相似文献
17.
随着经济的不断发展,用电量的急剧增加,短期预测成为各个供电部门一个不可或缺的部分。电力负荷受多种因素影响,针对短期负荷预测,提出一种考虑各种影响因素的新算法,该方法首先利用模糊C均值聚类方法对历史样本进行聚类,依据输入样本的相似度选取训练样本,然后在选取的样本上,利用遗传算法实现负荷影响因素的提取和支持向量机参数的选择,最后利用支持向量机建立预测模型。采用上述方法对河南电网负荷进行了预测分析,结果证明了该方法的有效性。 相似文献
18.
以近红外光谱分析技术为基础,结合化学计量学分析方法,对西湖龙井和普通龙井进行鉴别研究,提出一种基于判定区间伸缩因子决策融合的鉴别方法。该方法采用支持向量机（SVM）结合向后区间偏最小二乘法（BiPLS）进行决策融合,并引入判定区间伸缩因子对判定区间进行调节,找到最优判定区间。以西湖龙井和普通龙井样本为材料,采集样本的近红外光谱,使用二阶导数对原始光谱进行预处理,采用该方法建立分类模型,对西湖龙井和普通龙井进行分类。结果表明,对72份训练集样本和38份预测集样本进行分类,训练集样本和预测集样本分类的准确率均达到100%,证明该方法对西湖龙井和普通龙井能进行有效的分类鉴别。 相似文献
19.
李宏辉 《南宁职业技术学院学报》2013,18(4):89-92
针对神经网络用于基坑变形预测存在结构难确定、训练易陷入局部最优及易过学习等问题,以已有的周边地表沉降为样本,利用最小二乘支持向量机(LS-SVM)建立基坑地表沉降预测模型,应用网格搜索算法优化模型参数,对基坑周边地表沉降进行连续滚动的多步预测。实例结果表明,LS-SVM用于基坑周边地表沉降预测效果较好,具有所需数据少、推广能力强等优点。 相似文献