首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于支持向量机与信息粒化的上证指数预测研究
引用本文:周晓辉,姚俭.基于支持向量机与信息粒化的上证指数预测研究[J].科技通报,2014(9).
作者姓名:周晓辉  姚俭
作者单位:上海理工大学管理学院,上海,200093
摘    要:参数的优化选择对支持向量机回归算法(SVR的预测精度和泛化能力影响显著,提出混沌粒子群优化算法(CPSO优化选取支持向量回归算法中参数c和g信息粒化是进行海量数据挖掘和模糊信息处理的有效工具。在此基础上利用上证指数数据建立上证指数开盘数预测模型,研究结果表明,混沌粒子群优化的SVR信息粒化时序回归预测模型克服了传统时间序列模型仅局限于线性系统的缺点,速度快,预测精度高,且实用性强。

关 键 词:信息粒化  支持向量机  混沌粒子群算法  回归预测

Regression Prediction Method Based on the Chaotic Particle Swarm Optimization SVR and Information Granulation
Zhou Xiaohui,Yao Jian.Regression Prediction Method Based on the Chaotic Particle Swarm Optimization SVR and Information Granulation[J].Bulletin of Science and Technology,2014(9).
Authors:Zhou Xiaohui  Yao Jian
Abstract:
Keywords:information granulation  support vector machine  chaotic particle swarm optimization  regression prediction
本文献已被 CNKI 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号