共查询到20条相似文献，搜索用时 15 毫秒
1.
基于支持向量回归机的广西物流需求预测 总被引：2，自引：0，他引：2
传统的区域物流需求预测方法往往具有预测精度不高、数据处理效果不佳等不足,而基于支持向量回归机(SVR)的预测模型正好弥补其不足.基于SVR预测模型,以1985-2008年广西货运量为面板数据,选择合适的核函数及参数,并与灰色及一元回归预测方法相对比,发现其预测精度很高,预测值也吻合广西总体经济发展要求. 相似文献
2.
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. 相似文献
3.
4.
5.
6.
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。 相似文献
7.
讨论了支持向量机中高斯核函数中参数σ对支持向量机学习预测性能的影响,指出高斯核函数具有描述样本相似程度这一性质,通过数值实验给出一种选择高斯核函数的方法——拐点法。然后针对石油地质勘探的实际问题,将支持向量机运用测井曲线预测储层参数,同时与反向传播神经网络函数逼近法预测进行比较,结果表明该方法预测精度高、方法稳定有效,支持向量机较好的解决了小样本测井勘探的实际问题。 相似文献
8.
支持向量机(SVM)是建立在统计学习理论基础上的一种通用的研究机器学习规律的方法。它具有很强的学习能力和泛化能力,可以有效地处理分类,回归等问题。SVM在处理非线性问题时,通过使用一个核函数来解决复杂计算问题。最小二乘支持向量机(LS_SVM)是SVM的一种改进,它提高了求解问题的速度和收敛精度。本文以太阳黑子为数据集,基于LS_SVM工具,使用了支持向量回归算法(SVR),实现了太阳黑子活动的预测。 相似文献
9.
10.
关于支持向量回归机的模型选择 总被引：28，自引：0，他引：28
支持向量机是在统计学习理论基础上发展起来的一种新型的机器学习方法。模型选择是设计支持向量机的重要内容之一。本文在分析用于回归的支持向量机原理的基础上,分别从核函数的选择、模型参数的作用、模型参数的调整方法等模型选择方面进行了综述,并讨论了模型选择的优缺点,最后指出在实际应用中常见的核函数和模型参数调整方法。 相似文献
11.
12.
支持向量机在机器学习中表现良好。基于径向基(RBF)核的支持向量机的分类和回归性能受其核参数的影响。为了获得最优的分类和回归预测结果,选择合适的核参数设置对提高分类和回归预测的准确度非常重要。本文使用网格搜索算法、遗传算法、粒子群优化算法分别进行径向基(RBF)核参数寻优。对比实验表明,网格搜索算法具有一定优势。 相似文献
13.
14.
15.
16.
《内蒙古科技与经济》2017,(17)
支持向量机(Support Vector Machines简称SVM)方法是一种新的统计学习理论方法,是处理非线性分类和非线性回归的一种有效方法。雾霾天气受多种因素的影响,雾霾预测包含大量的非线性因素。利用与PM2.5关系密切的12个因子建立基于RBF核函数的支持向量机方法的雾霾预测模型,对雾霾天气预测进行了探讨,经检验,该模型具有良好的预报能力。SVM方法为雾霾天气的预测提供了一种可行的有效途径。 相似文献
17.
基于支持向量机的外贸企业客户分类方法应用研究 总被引：1，自引：0，他引：1
本文综合了销售量和净现值两个方面作为客户价值分类技术指标，将支持向量机用于外贸公司的客户类别的识别，同时采用了支持向量机模型中的一些核函数对样本进行学习分类，对它们的分类结果进行了比较。实证分析表明：分类指标的确定是有效的；支持向量机采用参数为1时的径向基核函数具有较好的分类效果，分类结果精度、召回率、F-measure分别达到0．85、0．8、0．83。 相似文献
18.
讨论了基于点云数据的曲面表示问题,采用基于核函数理论的支持向量回归杌实现点云数据的处理,拟合出曲面,得到点云数据的一个曲面表示.实验结果表明径向基核具有建模光顺性好、处理速度快等优点. 相似文献
19.
本文首先对国内外碳排放强度影响因素研究动态进行系统论述,随后对碳排放强度的预测研究现状做出整体概述。将DDEPM与现有的碳排放预测方法进行比较,说明其优越性。应用DDEPM,用Matlab编程,基于1980年-2009年的碳排放数据和GDP数据,对2020年碳排放和GDP进行预测,通过计算得出降低中国碳排放强度的潜力巨大。基于中国能源以煤炭为主的现状,应用向量自回归模型（VAR）,从煤炭能源消耗比重的角度,分析其对中国碳排放强度的影响。随后整合碳排放强度、煤炭消耗比重的预测数据和实际数据,将其整合数据进行向量自回归处理,其结果与碳排放强度与煤炭消耗比重实际数据的向量自回归进行比较,得出了两组模型结论的一致性,从变化规律的角度检验DDEPM预测的准确度;最后应用脉冲响应函数,分析碳排放相度与煤炭消耗比重的相关性。 相似文献
20.
传统支持向量机应用于财务困境预测时,需要求解复杂的二次规划问题,求解难度大。而最小二乘支持向量机模型可以将二次规划问题变成一个线性方程组来求解,有效降低了模型求解的难度。尤其是将遗传算法应用于最小二乘支持向量机模型参数和核参数的优化时,显著提高了模型预测的正确率。本文从沪深两市随机抽取了2002年-2007年252家A股上市公司作为研究样本,并把研究样本分为两组,对这两组样本数据分别进行了短期及中长期预测。实证结果表明,基于遗传算法的最小二乘支持向量机模型的预测效果不但好于传统统计类Logit模型,也优于传统支持向量机模型。短期预测效果显著优于中长期预测效果,训练样本数直接影响到模型的预测效果,二者呈正相关关系。 相似文献