已閱讀1頁,還剩80頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、基于統(tǒng)計學習理論的支持向量機算法(SVM)具備堅實的數(shù)學理論基礎和嚴格的理論分析框架。SVM具有理論完備、全局最優(yōu)、自適應性、泛化能力好等優(yōu)點,是當前機器學習領域的研究熱點。SVM在堅持結構風險最小化原則(SRM)的同時,綜合使用統(tǒng)計學、機器學習和神經(jīng)網(wǎng)絡等方面技術,有效地提高了算法的泛化能力。與傳統(tǒng)的機器學習算法相比,SVM具有良好的應用價值和發(fā)展前景。
首先,本文對“支持向量分類機與支持向量回歸機”的理論進行梳理;
2、 其次,提出基于“主成分降維”思想的PCA-SVM算法。在PCA進行屬性降維的基礎上,將“交叉驗證”(K-folds)思想下的網(wǎng)格算法、遺傳算法以及粒子群算法,分別對SVC模型的懲罰參數(shù)和徑向基核參數(shù)進行尋優(yōu),著重考慮分類精度問題,構建精確的商業(yè)銀行房貸違約判別模型。實證表明,基于三種優(yōu)化算法的PCA-SVM模型均具有較高的分類精度和穩(wěn)定性。
再次,本文深入探討SVR的算法性能以及參數(shù)尋優(yōu)。以NYMEX石油期貨價格合約作為實
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 支持向量機理論及其在金融中的應用.pdf
- VaR理論及其在我國金融市場中的應用.pdf
- 支持向量機理論及其應用.pdf
- 長記憶理論及其在金融市場建模中的應用.pdf
- 支持向量機在金融市場預測中的應用.pdf
- 分形理論及其在金融市場分析中的應用.pdf
- 雙邊匹配理論及其在金融市場應用的研究綜述
- 支持向量回歸機理論及其工業(yè)應用研究.pdf
- σ-熵曲線及其在金融市場中的應用.pdf
- 思維進化和支持向量機理論及其在煉焦配煤優(yōu)化中的應用研究.pdf
- 基于支持向量機的金融市場非線性特征分析.pdf
- 時變金融市場下動態(tài)投資組合選擇理論及其應用研究.pdf
- CVaR在我國金融市場中的應用.pdf
- 鞅理論及其在某些金融模型中的應用.pdf
- 支持向量機理論在文本分類中的應用研究.pdf
- VaR與CVaR理論在我國金融市場中的應用研究.pdf
- 隨機理論及zipf定律的研究及其在金融中的應用-金融數(shù)學碩士論文
- VaR在金融市場風險管理中的應用.pdf
- 金融市場中的時間變換方法及其應用.pdf
- Copula理論及其在金融分析中的應用研究.pdf
評論
0/150
提交評論