文档介绍：摘要基于数据的机器学习是现代智能技术中的重要方面。支持向量机墙攴⒄蛊鹄吹囊恢只谕臣蒲袄砺硇⊙狙问题的算法,它采用结构风险最小化原理,解决了过学习、非线性、维数灾、局部极小点等问题,成为目前最普遍使用的机器学习算法。本文对支持向量机中的参数选择、增量学习、多类分类、在线训练等多个问题的模型、算法及其在证券投资决策中的应用进行了研究和探讨。主要工作如下:⑻岢隽艘恢指慕拿庖咄缢惴āU攵员曜济庖咄缭诤坝过程中存在的问题,提出了基于“年龄”的搜索半径策略,以增强局部搜索能力;改进了网络的扩展策略,以兼顾样本多样性与计算效率;改进了网络收缩时的保留策略,防止最优解的退化,消除了原算法在寻优过程后期最优解性能的波动现象。数值实验表明,与原算法相比,改进后的算法在找到全局最优解的比例和效率方面有非常明显的提高。⒔玈\げ饩ǘ瓤醋魇且桓龉赜谀P筒问牟涣亩嗉岛数,基于上述改进的免疫网络算法,对支持向量机的模型参数选择问题进行了研究,将免疫网络算法与支持向量机相结合形成一个甋算法。分别对分类和回归数据集进行了测试,结果表明该方法能够更快速地在更大的空问内进行有效搜索,与传统的交叉验证方法相比,在搜索速度与稀疏性上具有较大的优势。⒄攵宰钚《,提出了快速的递增学习过程和递减学习过程。通过让训练样本以序列输入方式替代批摘要
知识水坝为您整理
ü远喔鯱和惺集的测试表明,,交替地对样本进行递增训练和递减训练,并迭代训练多次,算法相比,在识别精度相当的情况下,在训练效率和稀疏性方面都具有明显的优势,∈栊浴⒄攵源扯嗬喾掷喾椒ㄖ写嬖诘摹安豢墒侗鹎颉蔽侍猓岢隽“⒂行Ы档土硕喔龆类分类器的训练运算量。通过对“,该方法利用聚类分析中的类距离和类包含的思想,通过先聚类再分类的方式,解决了“。对多个蚐中的多类数据集进行了测试,在识别精度和支持向量数量方面都表现出良好的性能。⒃中的增量式训练算法的基础上,ü蚧隽垦盗分械牡菰鲅肮程和递减学习过程,进一步提高了训练效率,同时将支持向量数目维持在较低水平、提高了测试速度。通过对两个标准集的测试表明:。⒔С窒蛄炕掷喾椒ㄓτ糜谏鲜泄镜牟莆穹缦掌兰勰P图霸警研究,将支持向量机回归方法应用于股市指数的预测研究。使用甋进行上市公司的财务风险评价模型及预警研究,使用进行上市公司的多类财务风险评价模型研究,与现有的方法相比获得了更好的推广性能;使用在线支持向量机回归算法进行上证指数预测,华南理工大学博士学位论文
知识水坝为您整理
有效地拟合金融数据之间的非线性关系,解决了金融数据由于其随机性、非线性、小样本、强噪声而难以预测的问题。关键词:支持向量机;参数选择;多类分类;在线训练;投资决策;人工免疫网络摘要
琲甋华南理工大学博士学位论文,甌琒甤琽甅琣甌琻.,,,.,“,瓹瑃甌甌,獀.
瓸甌瑃—瑃,.瑆瓵,.,甌,.瓵“眀甤“保畉”,,瑃瓸.,,猄,瓼,,
华南理工大学博士学位论文.,—,瑂琲:;琣猣,.籱—;
作者签名:柏州一作者签名:叨栩日期:伽台年月曰指导教师签名:。声藓.¨专华南理工大学学位论文原创性声明学位论文版权使用授权书留不保密。本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。口保密,在年解密后适用本授权书。学位论文全文电子版提交后:乓庠谛T巴戏⒉迹┬D谑ι陀胙S泄蚕硇榈牡期期日本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:研究生在校攻读学位期问论文工作的知识产权单位属华南理工大学。学校有权保存并向国家有关部门或机构送交论文的复印件和电子版,允许学位论文被查阅诒C芷谀诘谋C苈畚耐;学校可以公布学位论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。本人电子文档的内容和纸质论文的内容相一致。本学位论文属于:、
第一章绪论机器学习问题段,相应的实现方法的也大致可以分为三判浚是从观测数据盗费出发寻找规律,,亦获得一些成功的应用。模式识别和任意非线性函数的回归估计是当前人工智能领域研究的重点,它们都据进行预测。这两类问题在统计学中属于统计推断的研究范畴