聚类分析和支持向量机相结合的混合预测模型

代理获取

页面导航

目录
摘要
著录项
相似文献
相关主题

摘要

支持向量机(Support Vector Machines，简称SVMs)是建立在统计学习理论的VC(Vapnik-Chervonenkis)维理论和结构风险最小化原理基础上的一种机器学习方法。支持向量机在解决实际应用中的小样本问题时具有较大的优势，较好地解决了以往困扰很多学习方法的小样本、非线性、过学习、高维数、局部极小点等实际问题。如果仅从分类的角度来说，支持向量机是一种广义的线性分类器，它是在线性分类器的基础上，引入结构风险最小化原理、最优化理论和核函数方法深化而成的。当前基于支持向量机的模型得到了越来越多的重视和应用。但由于支持向量机最初是针对二分类问题提出的，因此如何将其推广到多类分类问题上就是一个很值得深入研究的问题。
　　聚类分析方法是一种被广泛应用的且很有效的分类方法，它是利用多元统计分析的基本原理，对一批样本进行分类处理的数学方法。其基本思路是将一批样本或变量，按照它们在性质上的亲疏程度进行分类，把样本看成是，，l维空间的一个点。在m维坐标中，定义点与点之间的某种距离，通过距离的远近把样本分成若干类别。
　　因此，本文放弃了以往的只采用聚类分析或支持向量机来分类的方法，在分别介绍了聚类分析和支持向量机分类算法的基础上，采用了聚类分析和支持向量机相结合的方法来解决多类分类问题，并采用这种方法对上市公司的股票进行分类。由于股票数据本身的复杂性，在进行分类之前先采用因子分析的方法对股票数据进行降维简化，从而减少分类时的计算量和程序运行时间。实验证明，这种分类算法有很高的分类正确率，从而说明这种方法是可行的。

著录项

作者
狄明明;
展开▼
作者单位

辽宁师范大学;

展开▼
授予单位辽宁师范大学;
学科应用数学
授予学位硕士
导师姓名孙德山;
年度 2009
页码
总页数
原文格式 PDF
正文语种中文
中图分类自动推理、机器学习;金融市场;
关键词
因子分析; 聚类分析; 支持向量机; 股票分类; 混合预测模型; 结构风险最小化;

相似文献

中文文献
外文文献
专利

1. 混合遗传算法和支持向量机的股票预测模型 [J] . 陈皓 . 现代营销：经营版 . 2020,第4期
2. 基于混合算法优化支持向量机的供热负荷预测模型 [J] . 于晓娟 ,齐先硕 ,顾吉浩 . 河北工业大学学报 . 2019,第005期
3. 基于Holt-Winters与最小二乘支持向量机的混合预测模型 [J] . 刘宝成 ,张仲荣 ,盛秀梅 . 洛阳理工学院学报（自然科学版） . 2017,第004期
4. 混合核函数最小二乘支持向量机的网络流量预测模型 [J] . 马琰 ,闫兵 . 微型电脑应用 . 2015,第002期
5. 果蝇优化最小二乘支持向量机混合预测模型——以我国物流需求量预测为例 [J] . 李泓泽 ,郭森 ,李春杰 . 经济数学 . 2012,第003期
6. 混沌理论与支持向量机相结合的侧移预测模型 [C] . 高华东 ,潘东旭 ,魏建文 . 第三届全国岩土与工程学术大会 . 2009
7. 基于最小二乘支持向量机的时空序列混合预测模型及实证研究 [A] . 刘宝成 . 2018

聚类分析和支持向量机相结合的混合预测模型

目录

摘要

著录项

相似文献

相关主题

期刊订阅