

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、為了促進經(jīng)濟快速發(fā)展和社會不斷的進步,在現(xiàn)有的統(tǒng)計數(shù)據(jù)資料基礎(chǔ)上為各種商業(yè)和科研等活動做出決策分析,研究并認(rèn)識事物內(nèi)在的變化規(guī)律,對事物的未來發(fā)展進行預(yù)測已經(jīng)成為機器學(xué)習(xí)領(lǐng)域新的研究熱點。隨著預(yù)測對象越來越復(fù)雜,精度要求的越來越高,單一的預(yù)模型始終存在著一定的盲區(qū),已經(jīng)不能滿足人們的需要,于是自然想到對兩種或多種預(yù)測模型進行結(jié)合,在預(yù)測過程中彌補其各自的缺點,實現(xiàn)優(yōu)勢互補,達到更高的預(yù)測精度。
本論文首先詳細(xì)介紹了灰色理論
2、和支持向量機各自理論的研究現(xiàn)狀和建模機理,然后針對灰色預(yù)測模型與支持向量機模型兩者的聯(lián)系與各自的優(yōu)勢,給出了以下兩種融合的可能性和方式,并驗證了融合后的預(yù)測模型具有更高的預(yù)測精度:
第一,將灰色模型與支持向量機模型通過最優(yōu)權(quán)組合。其核心思想是:首先利用GM(1,1)模型和支持向量機模型分別對數(shù)據(jù)進行預(yù)測,這樣得到兩組預(yù)測值,然后均方差最小的前提下,尋找最優(yōu)組合權(quán)值將兩組預(yù)測值組合起來,將組合得到的預(yù)測值作為最終的預(yù)測值,從
3、而達到提高預(yù)測精度的目的。
第二,給出了基于灰色關(guān)聯(lián)度分析方法的兩種支持向量機預(yù)測模型(稱為灰色支持向量機)。其一是將灰色關(guān)聯(lián)度方法直接利用到支持向量機模型中去,從眾多的影響因子中篩選出主要因子,再將主要因子作為支持向量機的輸入進行預(yù)測;其二是將篩選出來的主要因子利用灰色理論方法進行一次累加,再將累加生成數(shù)列作為輸入建立灰色支持向量機預(yù)測模型。
論文中將組合預(yù)測模型運用于兩個實際問題中,通過實驗中三種預(yù)測模型
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 灰色神經(jīng)網(wǎng)絡(luò)與支持向量機預(yù)測模型研究.pdf
- 支持向量機融合方法的研究.pdf
- 支持向量機模型研究與設(shè)計
- 支持向量機模型研究與設(shè)計
- 支持向量機模型的研究與設(shè)計
- 支持向量機模型研究與設(shè)計
- 基于支持向量機的圖像融合研究.pdf
- 支持向量機模型的相關(guān)研究.pdf
- 支持向量機的模型選擇研究.pdf
- 支持向量機模型參數(shù)的研究.pdf
- 支持向量機模型選擇研究.pdf
- 多支持向量機融合算法研究.pdf
- 灰色最小二乘支持向量機研究及應(yīng)用.pdf
- 隱私保護支持向量機模型與算法研究.pdf
- 支持向量機模型選擇方法研究.pdf
- 支持向量機模型和算法研究.pdf
- 支持向量機模型及其算法研究.pdf
- 支持向量機模型研究及應(yīng)用.pdf
- 支持向量機模型研究及應(yīng)用
- 灰色支持向量機在小樣本預(yù)測中的應(yīng)用研究.pdf
評論
0/150
提交評論