支持向量機模型參數(shù)的研究.pdf

1、支持向量機以其深厚的理論基礎和良好的實際應用性能而成為機器學習研究中的新熱點，它可以通過自身的模型參數(shù)而控制其學習能力和泛化能力。但由于缺乏模型參數(shù)與支持向量機性能之間定量的顯式關系表達式，因此模型參數(shù)選擇是支持向量機應用中的一個困難而重要的問題。 本文首先簡明、系統(tǒng)地介紹了支持向量機的機理、基本概念、模型描述等有關基本知識和研究現(xiàn)狀；然后以金融市場為背景，對標準支持向量回歸機模型參數(shù)的選擇進行了較深入、細致地研究，主要做了以下

2、幾個方面工作： 1.進行了大量仿真實驗，在此基礎上對標準支持向量回歸機模型參數(shù)如何影響其學習泛化性能進行了比較系統(tǒng)的研究與分析； 2.通過引入中間變量，對模型參數(shù)對其性能的影響進行了邏輯定性分析與解釋，并得出模型參數(shù)選擇的基本原則； 3.根據(jù)所得出的模型參數(shù)選擇基本原則，設計了基于遺傳算法的模型參數(shù)估計算法；此算法最大的優(yōu)點是能夠根據(jù)實際需要，在保證一定的趨勢預測準確率條件下，獲得較好的預測精度，即具有較小的預測