计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2008年
7期
223-225
,共3页
遗传算法%支持向量机%财务困境%特征提取
遺傳算法%支持嚮量機%財務睏境%特徵提取
유전산법%지지향량궤%재무곤경%특정제취
通过遗传算法结合支持向量机算法中期望风险边界,对我国上市公司财务数据进行特征提取,并优化构造广义最优分类超平面,从而获得具有较好整体预测性能的联合模型.数值实验表明,该方法可以降低特征空间维数,具有较好的分类准确率.实证结果表明,GA-SVM联合预测模型具有可靠的预测财务困境能力,有着良好的应用前景.
通過遺傳算法結閤支持嚮量機算法中期望風險邊界,對我國上市公司財務數據進行特徵提取,併優化構造廣義最優分類超平麵,從而穫得具有較好整體預測性能的聯閤模型.數值實驗錶明,該方法可以降低特徵空間維數,具有較好的分類準確率.實證結果錶明,GA-SVM聯閤預測模型具有可靠的預測財務睏境能力,有著良好的應用前景.
통과유전산법결합지지향량궤산법중기망풍험변계,대아국상시공사재무수거진행특정제취,병우화구조엄의최우분류초평면,종이획득구유교호정체예측성능적연합모형.수치실험표명,해방법가이강저특정공간유수,구유교호적분류준학솔.실증결과표명,GA-SVM연합예측모형구유가고적예측재무곤경능력,유착량호적응용전경.
