计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2011年
9期
357-360
,共4页
主成分分析%支持向量机%税收预测
主成分分析%支持嚮量機%稅收預測
주성분분석%지지향량궤%세수예측
研究税收预测问题,针对税收数据存在着高度的非线性、冗余等特征,传统的税收预测方法精度较低,影响预测的准确性.为了保证正确税收,提出了一种基于主成分分析的支持向量机税收预测模型(PCA_SVM).首先对影响税收的各指标因子进行主成分分析,消除各指标间的冗余信息,从而减少了支持向量机的输入维数,提高了支持向量机的训练速度,利用PCA_SVM模型对国家2001-2004年税收进行了验证,仿真结果表明,相对于各参比模型,PCA_SVM模型预测精度明显高于各参比模型,具有较岛的泛化能力,是一种有效的税收预测模型.
研究稅收預測問題,針對稅收數據存在著高度的非線性、冗餘等特徵,傳統的稅收預測方法精度較低,影響預測的準確性.為瞭保證正確稅收,提齣瞭一種基于主成分分析的支持嚮量機稅收預測模型(PCA_SVM).首先對影響稅收的各指標因子進行主成分分析,消除各指標間的冗餘信息,從而減少瞭支持嚮量機的輸入維數,提高瞭支持嚮量機的訓練速度,利用PCA_SVM模型對國傢2001-2004年稅收進行瞭驗證,倣真結果錶明,相對于各參比模型,PCA_SVM模型預測精度明顯高于各參比模型,具有較島的汎化能力,是一種有效的稅收預測模型.
연구세수예측문제,침대세수수거존재착고도적비선성、용여등특정,전통적세수예측방법정도교저,영향예측적준학성.위료보증정학세수,제출료일충기우주성분분석적지지향량궤세수예측모형(PCA_SVM).수선대영향세수적각지표인자진행주성분분석,소제각지표간적용여신식,종이감소료지지향량궤적수입유수,제고료지지향량궤적훈련속도,이용PCA_SVM모형대국가2001-2004년세수진행료험증,방진결과표명,상대우각삼비모형,PCA_SVM모형예측정도명현고우각삼비모형,구유교도적범화능력,시일충유효적세수예측모형.
