支持向量機預測模型的構建及其應用.pdf

1、支持向量機(SVM)是在統(tǒng)計學習理論基礎上發(fā)展起來的一種新的機器學習方法,從結構風險最小化準則(SRM)的角度保證了模型具有全局最優(yōu)、最大泛化能力、推廣能力強等優(yōu)點,并能夠很好地解決許多實際預測問題,已成為機器學習領域頗有影響的成果之一。本文的主要工作是構建了有關支持向量機的幾種預測模型：(1)灰色支持向量機預測模型(GSVM),它是利用灰色理論對原始數(shù)據(jù)累加生成原理,結合支持向量機擬合非線性數(shù)據(jù)能力的特點,構建的灰色支持向量機預測模型

2、,對累加序列進行預測,最后將預測結果進行累減還原得到預測值。實例表明,該模型具有較高的預測精度。(2)分別對自回歸模型、神經網絡模型、支持向量機模型進行研究,以我國人口增長率為例,對人口增長率進行預測。在分析組合預測特性的基礎上,對神經網絡和支持向量機這兩種預測模型進行了Theil不等系數(shù)的優(yōu)化組合,并將其用于預測人口增長率。(3)由于支持向量機能夠捕獲數(shù)據(jù)的非線性特征,本文對自回歸、神經網絡和支持向量機這三種預測模型結果進行SVM的組