论文部分内容阅读
传统支持向最机是对小样本提出，对于大样本会出现训练速度慢、内存占用多等问题，并且不具有增量学习性能．而常用的增量学习方法又会出现局部极小等问题．本文阐述了一种改进的支持向量机算法（快速增量加权支持向量机算法）用于证券指数预测．该算法先对指数样本做相空间重构，再分解成若干个工作子集，针对样本重要程度给出不同权重构建预测模型．实验分析表明，在泛化精度保持略好情况下，训练速度明显提高．