论文部分内容阅读
利用基于主成分分析的支持向量机回归集成技术,提高集成个体差异度,生成一组优良的神经网络集成个体,将股票指数函数拟合成高维核空间的线性回归函数,求出一个满意的全局最优解,提高股指预测精确度,继而建立一个新型股市预测模型.试验表明,该模型能有效提高神经网络集成系统的泛化能力,预测精度高,稳定性好.
支持向量机回归集成股市预测模型
【摘 要】
：
利用基于主成分分析的支持向量机回归集成技术,提高集成个体差异度,生成一组优良的神经网络集成个体,将股票指数函数拟合成高维核空间的线性回归函数,求出一个满意的全局最优
【机 构】
：
柳州师范高等专科学校数学与计算科学系,广西大学数学与信息科学学院
【出 处】
：
广西工学院学报(自然科学版)
【发表日期】
：
2010年3期
其他文献
20多年前，美国电视新闻观众有5000多万，如今减到了2500万。特别是观众年龄的中间值为60岁，年轻人不关心新闻达到严重的程度。怎样才能争取更多的观众？各大电视台都想到一个办法—
针对微电容加速度计一阶固有频率和横向抗干扰能力进行多目标拓扑优化设计，建立了微电容加速度计弹性梁和质量块的一阶固有频率最大和横向抗干扰能力最强的多目标结构拓扑优化