基于支持向量机方法的股票预测模型

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。     

基于支持向量回归机的磨削力预测

针对神经网络方法在磨削力预测方面存在的网络结构不好确定和样本需求量大等不足,提出了一种新的基于支持向量回归机的磨削力智能预测方法。介绍了支持向量回归机的基本原理,分析了影响磨削力的主要因素,选用砂轮速度、工件速度和磨削深度作为输入参数,建立了基于支持向量回归机的磨削力预测模型。仿真结果表明,所建立的预测模型是合理有效的,与BP神经网络预测方法相比,预测的结果准确性更高。     

基于粒子群算法优化支持向量机的铁路客运量预测模型

铁路客运量数据受多种因素影响而呈现出非线性等特点,为了进一步提高其预测精度,文章提出了粒子群算法（ PSO）优化支持向量机（ SVM）的公路客运量预测模型。利用PSO寻优能力突出的优点,对支持向量机的参数进行了优化选择,并用优化后的支持向量机模型对公路客运量进行预测。研究结果显示,相比BP神经网络和传统的SVM预测方法,基于PSO-SVM的预测精度更高,从而表明了粒子群算法优化支持向量机的方法是有效的。     

基于BP神经网络的小麦抗寒性模型构建

利用爬虫技术从中国种业大数据平台获取小麦特征信息数据集,采用手工结合计算机程序的方式处理数据.对处理后的数据使用传统机器学习中的支持向量机、朴素贝叶斯和深度学习中的BP神经网络方法,分别构建小麦抗寒性模型.实验结果表明,与传统机器学习的模型相比,BP神经网络在小麦抗寒性分类效果预测上表现的效果优、预测准确率高.     

基于SVM的上证指数预测研究

国家政策或市场经济导向等变动会对整个上证指数产生影响,为了寻找上证指数变化规律,提出基于支持向量机的预测算法。算法首先利用数据挖掘技术在某网站上挖掘相关的上证价格数据,并取一部分上证数据作为支持向量机的训练指数样本,得到支持向量机的训练指数集,然后在训练指数集上利用支持向量机,从而得到上证指数分类的超平面指数函数以及相关的上证指数样本集,最后对所得的上证指数分3个模型进行预测研究,得到下一个开盘日的上证指数变动预测数据。实验结果表明,预测2天后的上证指数趋势只需要前3天的数据作为自变量输入即可,且所得预测值与实际数值的误差率较低。     

基于BP神经网络的公路客运量和货运量预测方法研究

公路客运量和货运量预测是一个复杂的非线性问题,由于影响因素较多,难以用普通的数学方法建模,而建立BP神经网络可以表达这些非线性问题。根据公路客运量货运量历史数据及其相关影响因素数据建立了BP神经网络预测模型。利用实际数据确定网络输入与输出样本,对BP神经网络预测系统进行训练和预测。通过对网络输出预测结果与实际数据的分析,验证了BP神经网络预测系统的精确性和方便性,提高了公路客运货运预测的精确性。     

基于PSO与LSSVR的坝体顺流向位移预测

顺流向位移是坝体形变监测中的重要指标。针对神经网络、支持向量机模型存在的局限性,提出基于粒子群优化与最小二乘支持向量回归的模型对顺流向位移进行预测。结合实地坝体数据,通过与神经网络、传统支持向量机等模型进行对比实验和分析,结果表明,该方法具有误差低、计算效率高等特点。     

基于PSO-SVM模型的网络流量预测研究

针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机（SVM）模型进行预测。针对SVM模型中参数难以确定的问题,采用粒子群（PSO）算法进行参数寻优,保证预测的精确度。将PSO—SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO—SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律。     

单分类支持向量机在样本数目失衡分类问题中的应用

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。     

基于BP-SVR组合模型的空气质量指数预测

建立有效的空气质量指数预测模型,可以为个人出行及相关部门治理大气污染提供指导。选取北京市的历史空气数据以及气象数据作为研究对象,建立基于BP（Back Propagation）神经网络和SVR（Support Vector Regression）支持向量机回归的BP-SVR组合预测模型。首先利用灰狼优化算法分别对BP模型和SVR模型参数进行寻优;然后运用该组合模型对空气质量指数进行预测。实验结果表明,BP-SVR模型的平均绝对百分误差、均方根误差、平均绝对误差均小于单一预测模型,分别为0.217 5、37.032 0、25.157 5。BP-SVR组合模型具有更高的预测精度,泛化能力更强,可以对空气质量指数进行有效预测。     

基于支持向量机的利率互换定价研究

利率互换定价主要是受到金融市场利率期限结构的影响。依据美国国库券收益率和互换利率数据,结合我国国库券收益率数据,采用非参数的支持向量机预测模型模拟出利率期限结构;在已知利率期限结构的基础之上,采用支持向量机的方法模拟估计出利率互换的固定利率,从而构造出一种系统的利率互换定价方法。通过实证检验,结果表明基于支持向量机的定价方法是可行的,且精确度也比其他定价方法要高。     

基于聚类算法的选择性神经网络集成在大脑胶质瘤诊断中的应用

1 Introduction The degree of malignancy in brain glioma[1]domi-nates the way of treatment .In case of gradeⅠorⅡaccording to Kernohan,the success rate of operationis satisfactory. Otherwise ,for gradeⅢor IV,the sur-gical risk is high ,and poor life qual…     

基于支持向量机的污水状态识别

考虑将支持向量机的思想应用于信息融合,提出基于支持向量机的信息融合的方法,并将这种方法应用于城市污水处理厂的数据处理。同时使用神经网络的信息融合方法与其相比较,实验的结果表明,基于支持向量机的信息融合的方法在对城市污水处理厂的这类数据的模式识别中,有着较好的分类预测能力。     

支持向量分类算法在5-HT_3受体拮抗剂的构效关系研究中的应用(英文)

1 Introduction The 5-hydroxytryptamine type 3 (5-HT3) receptorantagonists[1-2]are currently used in the treatment ofchemotherapy and radiotherapy induced emesis . Thecompounds are based onthe parent structure showninFig.1 ,the aromatic systems include mono- and bicy-clic rings ,with or without heteroatoms ,and with vari-ous substitution patterns .This range of structural vari-ation makes it difficult to treat the analysis of thesecompounds .Fig .1 Parent structure of 5-HT3antagonists With t…     

机器学习领域研究热点与前沿演进——基于CiteSpace的可视化分析

基于CiteSpace采用文献计量法,分析总结机器学习领域近十年研究热点与技术前沿演进。研究结果显示,该领域热点算法有Classification（分类算法）、Support Vector Machine（支持向量机）等,热点框架有sorFlow、Caffe、PaddlePaddle等;数据库、序列等突变词共同组成了近十年的研究新兴领域。     

基于神经网络的数控机床可靠性预计研究

本文提出了利用人工神经网络来辅助实现数控机床的可靠性预计的方法，建立了用于数控机床可靠性预测的三层BP神经网络模型，给出了具体的算法，并通过实例证明该方法比传统的数学模型预计方法更准确和可靠。     

基于教育数据挖掘的高校学生学业表现建模研究

在分析国内外研究的基础上,提出从社会及人口统计特征、学校环境、个人特征和学生投入等四个维度构建高校学生学业表现研究框架。以A大学为例,构建整合型教育数据系统,基于不同数据来源,应用决策树、贝叶斯网络、人工神经网络和支持向量机分别建立分类模型,并对模型有效性进行评判。结果表明,所建立的高校学生学业表现分类模型具有一定的有效性和实用价值,可为高校应用教育数据挖掘进行科学管理和完善学业支持体系提供参考。     

BP神经网络优化算法研究

为解决BP神经网络收敛速度慢和易陷入局部极小值的缺点,利用遗传算法(GA)和基因表达式编程(GEP)的各自特点,基于BP算法提出了两种改进算法:其一是GA-BP算法,即利用GA优化BP神经网络的权值和阈值;其二是GEP-BP算法,即利用GEP对BP网络进行调整,包括网络结构、权值和阈值。用样本数据进行了测试并与基本BP算法进行了比较,结果表明两种改进算法具有很强的可行性和高效性。     

支持向量分类算法在5-HT3受体拮抗剂的构效关系研究中的应用

In this work, support vector classification （SVC） algorithm was used to build structure-activity relationship （SAR） model of the 5-hydroxytryptamine type 3 （5-HT3 ） receptor antagonists with 26 compounds. In a benchmark test, SVC was compared with several techniques of machine learning currently used in the field. The prediction performance of the model was discussed on the basis of the leave-one-out cross-validation. The results show that the accuracy of prediction of SVC model was higher than those of back propagation artificial neural network （BP ANN）, K-nearest neighbor （KNN） and Fisher methods.