数学的实践与认识
數學的實踐與認識
수학적실천여인식
MATHEMATICS IN PRACTICE AND THEORY
2013年
6期
62-68
,共7页
最小二乘支持向量机%分组数据处理算法%预测
最小二乘支持嚮量機%分組數據處理算法%預測
최소이승지지향량궤%분조수거처리산법%예측
LSSVM%GMDH%forecast
自从Suykens提出新型统计理论学习方法-最小二乘支持向量机(LSSVM)以来,这种方法引起了广泛的关注,它在预测方面的良好性能得到了广泛应用.应用自组织数据挖掘(GMDH)方法改进LSSVM,提升了预测精度.首先利用GMDH方法选择有效的输入变量,再将这些变量作为LSSVM模型的输入,进行时间序列的预测,从而建立LSSVM和GMDH组合的混合模型GLSSVM.并通过汇率时间序列对本文模型进行了实证.结果表明,混合模型预测精度得到了明显的提高.
自從Suykens提齣新型統計理論學習方法-最小二乘支持嚮量機(LSSVM)以來,這種方法引起瞭廣汎的關註,它在預測方麵的良好性能得到瞭廣汎應用.應用自組織數據挖掘(GMDH)方法改進LSSVM,提升瞭預測精度.首先利用GMDH方法選擇有效的輸入變量,再將這些變量作為LSSVM模型的輸入,進行時間序列的預測,從而建立LSSVM和GMDH組閤的混閤模型GLSSVM.併通過彙率時間序列對本文模型進行瞭實證.結果錶明,混閤模型預測精度得到瞭明顯的提高.
자종Suykens제출신형통계이론학습방법-최소이승지지향량궤(LSSVM)이래,저충방법인기료엄범적관주,타재예측방면적량호성능득도료엄범응용.응용자조직수거알굴(GMDH)방법개진LSSVM,제승료예측정도.수선이용GMDH방법선택유효적수입변량,재장저사변량작위LSSVM모형적수입,진행시간서렬적예측,종이건립LSSVM화GMDH조합적혼합모형GLSSVM.병통과회솔시간서렬대본문모형진행료실증.결과표명,혼합모형예측정도득도료명현적제고.
