回归支持向量机在财政预测中的应用

财政收支趋势预测具有重要应用价值.本文建立了财政收入回归支持向量机的时闻预测模型,并以贵州地方财政收入为例,对采集到的数据进行归一化处理后,分别采用RBF核函数和Linear核函数的支持向量机和时问序列模型对数据进行应用,以1980-2001年的数据为拟合数据,以2002-2007年的数据为预测数据,比较相对误差,得出采用径向量核函数的支持向量机回归预测的结果准确度高.     

改进的支持向量机在微博热点话题预测中的应用

为了提高微博舆情的预测精度,针对不同单一核函数的局限,用线性拟合确定两种核函数的权重提出改进的支持向量机模型。首先利用马尔科夫模型矩阵的稀疏程度提取影响因子指标,得到微博传播的增减趋势;然后用改进的支持向量机对实时数据按照4∶1的比例划分测试集和训练集,进行实时预测与警示。实验结果表明：应用马尔科夫模型进行微博舆情的主成分提取效果较佳,改进的支持向量机构造了新的组合核函数,比传统的预判效果更佳。     

支持向量机在股票分析中的应用

支持向量机（SVM）是机器学习领域的一个新方法。本文用支持向量机对A股市场部分股票进行分类。实验结果表明：换手率,内外比、量比以及振幅等对当日股价具有直接的影响;用支持向量机来研究证券市场的行为具有一定的应用价值。     

支持向量机理论在信息化装备状态趋势预测上的应用

论述了支持向量机SVM(support vector machine)的分类和回归算法,并对SVM在信息化装备状态趋势预测方面的应用进行了可行性分析,指出了传统预测方法的不足和SVM的优点,展望了SVM在信息化装备状态趋势预测方面的研究前景.     

分频能谱预测技术在复杂韵律储层厚度预测中的应用

<正>分频属性能较好刻画储集层厚度在平面上的分布规律,但目的层特点不同,预测方法也存在明显差别。在实际应用中发现,单一分频属性能较好预测沉积规律简单的储层,但对于沉积规律复杂的储集层预测难度很大,为此本文提出了分频能谱预测技术,较好解决了复杂沉积储层砂岩厚度预测的难题,并在大王北地区沙二段滩坝储层预测中得到了较好的预测效果,指导了勘探。     

组合核函数支持向量机在个人信用评估中的应用

支持向量机在处理分类问题时有着其特有的优势,其分类结果与参数和核函数有关,它们决定着支持向量机的学习能力和推广能力。本文在考虑核函数及其性质的基础上,使用一种新的组合核函数方法,对全局核函数和局部核函数利用线性组合的方法来进行个人信用的评估,并在数据集Australian和Germany上加以实例验证。结果表明：组合核函数的支持向量机优于单一的支持向量机。     

支持向量机在分类问题中的应用研究

支持向量机是一种基于统计学习理论的机器学习方法,针对小样本情况表现出了优良的性能,目前被广泛应用于模式识别、函数回归、故障诊断等方面。这里主要研究支持向量机分类问题,着重讨论了以下几个方面的内容。首先介绍了支持向量机分类器算法,并将其应用于数据分类,取得了较高的准确率,所用数据来自于UCI数据集。仿真结果表明该算法具有较快的收敛速度和较高的计算精度。     

基于支持向量机的miRNA预测方法研究

本文从miRNA及其前体的生物学特征出发,在对支持向量机理论及其应用特点进行研究的基础上,构建了基于支持向量机的miRNA预测过程模型,在miRNA特征的向量表示、miPNA特征选择、预测模型核函数及参数选择方面进行了研究.以水稻、拟南芥、玉米的miRNA为实例,对基于支持向量机的miRNA预测方法的预测准确率进行了验证,实验结果表明该方法预测准确率达95%以上.     

基于混沌优化的支持向量机地下水位动态预测

地下水位动态受到自然因素和人为因素的影响,随机性明显,因此在地下水物理过程分析的基础上构建地下水位动态预测的随机性模型对地下水资源评价具有重要意义。本文将小样本机器学习理论——统计学习理论中的支持向量机理论引入地下水位动态预测。最小二乘支持向量机是支持向量机的一种,考虑到地下水位动态序列的长度和峰值突变性的特点,本文提出一种改进的支持向量机-峰值识别最小二乘支持向量机;并针对支持向量机算法存在的参数优化、训练和测试速度等问题,结合混沌优化方法,建立了基于混沌优化的峰值识别最小二乘支持向量机地下水位动态预测模型;最后本文以内蒙古河套灌区义长灌域1990年~2004年3个灌期(夏灌(4月~6月)、秋灌(7月~9月)和秋浇(10月~11月)降水量、平均气温、蒸发量、引水量、地下水开采量、地下水排泄量和地下水位埋深共15年45个样本资料为数据源,将该模型和原最小二乘支持向量机模型分别用于义长灌域地下水位动态预测。结果表明,该模型的拟合值、检验值和预测值与实际值复合的很好,拟合的平均相对误差绝对值为2.0868%,检验的平均相对误差绝对值为3.4777%,预测的平均相对误差绝对值为6.8589%,且训练和测试速度快,而原最小二乘支持向量机模型预测的平均相对误差绝对值为20.6767%。因此,该模型用于地下水位动态预测是可行和有效的。     

支持向量机在植物分类中的应用

提出了基于支持向量机的分类原理对鸢尾属植物进行分类的方法。支持向量机是在统计学习理论基础上提出的一种新型的通用学习方法,主要应用于数据的分类和回归估计,而植物分类的主要依据是植物的外观特征。通过提取植物的特征数据和使用支持向量机算法获得实验结果,实验结果表明,采用支持向量机对植物分类是可行的。     

遗传支持向量机的应用

本文针对支持向量机中的参数通常靠交叉实验来确定的状况,提出了遗传支持向量机,并将之应用在音乐特征识别中。基于Matlab的实例仿真结果表明,该预测模型精度高于传统SVM预测模型,具有一定实用价值,为快速准确的音乐特征识别提供了一种新的方法和途径。     

模糊积分在支持向量机集成中的应用研究

研究标准支持向量机技术并对其进行改进,在支持向量机集成技术中引入模糊积分算法,进一步完善了对支持向量机的研究。     

一种基于支持向量机的电力负载预测算法

提出了一种能够提高负荷预测精度的方法。在对历史电网运行数据进行处理时引入大数据挖掘技术,并且使用了支技向量机来进行电力系统短期负荷的预测新方式,对基于粒子群优化的支持向量算法进行了改进,提出基于相似日聚类的支持向量机的方法以对电网的负荷状态进行预测。以湘潭市的电力负荷数据为测试数据,进行两种算法结果的对比。结果表明:本文的算法在对比中具有较大的优势,数据预处理在预测的精度上有着非常重要的关联。     

基于支持向量机的外贸出口预测

针对支持向量机(SVM)方法所具有的拟合精度高、推广能力强、全局最优且针对小样本等特点,本文将SVM回归建模方法引入到外贸出口预测中,对出口时间序列建立预测模型,并利用此法对重庆摩托车出口进行了预测,对其预测性能进行了验证比较。结果表明,SVM方法对非平稳的小样本出口时间序列数据有良好的建模和泛化能力,且可达到较高的预测精度。     

基于最小二乘支持向量机的数据挖掘应用研究

随着数据仓库技术、联机分析技术的发展。基于数据库的数据挖掘已成为一种重要的数据处理手段。最小二乘支持向量机作为一种新的机器学习方法。具有全局收敛性和良好的泛化能力。本文将其应用于数据挖掘的分类与预测研究。通过棱函数的选择及参数优化，并结合支持向量机、多层感知器神经网络模型及判别分析方法进行比较研究，证明最小二乘支持向量机作为一种有效的数据挖掘算法具有较高精度。     

支持向量机的二叉树多分类算法在变压器故障诊断中的应用

支持向量机最初只能用以解决二分类问题,对于多类故障,只能通过组合二分类器间接应用于多类分类问题。本文提出一种基于二叉树多分类算法对变压器中常见故障进行了模式识别,并与传统多分类算法作对比。根据svm理论结合二叉树方法建立变压器故障诊断模型,通过VS2008对其进行了验证,结果表明该方法能有效地、准确地识别故障模式,具有较高的推广性。     

局部加权支持向量机在水处理系统中的应用

通过结合局部加权学习方法和在线滚动优化技术,对传统的支持向量机进行了改进并提出了一种局部加权最小二乘支持向量机在线学习算法。将其应用于水厂加药混凝沉淀系统的在线辨识和建模中,实验表明,该方法具有良好的在线学习能力。     

支持向量机理论探讨

支持向量机在有两类的分类问题中有很好的应用,研究支持向量机的理论,并讨论了取代铰链损失函数的支持向量机,并考虑核逻辑回归模型,表明了核逻辑回归模型在执行两类分类支持向量机中的作用。此外,还利用核逻辑回归模型提供了一个基础概率的估计。     

基于最小二乘支持向量机的非线性广义预测控制

为了解决目前常用的非线性预测模型算法中过学习、存在局部极小值等不易解决的问题,本文提出一种基于最小二乘支持向量机对非线性过程建模并用广义预测控制进行在线滚动控制的算法。仿真结果表明,该控制算法具有很好的控制性能。     

基于奇异值分解和支持向量机的负荷预测新方法

负荷预测作为一个传统而又复杂的问题,已取得了一定的发展。本文从信号特征提取的角度出发,研究负荷预测新方法。首先,应用相重构将负荷序列重构为负荷特征矩阵;接着,通过奇异值分解提取负荷序列的轮廓部分和细节部分;最后,使用支持向量回归机分别预测负荷的轮廓部分和细节部分,进而得到所要预测的负荷。实例研究证明,本文方法的预测精度较高,具有一定的实用性。