快速增量加权支持向量机预测证券指数

• 作者: 奉国和 李拥军 齐德昱
• 来源期刊: 控制理论与应用
• 学科: 工学
• 关键词: 支持向量机 增量学习 证券指数预测 相空间重构
• 年，卷（期）: 2006,（5）
• 所属期刊栏目: 短文
• 页码范围: 805-809
• 页数: 5页
• 分类号: TP18|O29
• 字数: 4346字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-8152.2006.05.027

摘要

传统支持向量机是对小样本提出,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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐德昱	华南理工大学计算科学与工程学院	142	1102	15.0	27.0
2	李拥军	华南理工大学计算科学与工程学院	7	24	2.0	4.0
4	奉国和	华南师范大学经济管理学院	70	1385	15.0	36.0