基于特征指数加权的最小二乘支持向量机算法

• 作者: 潘岚 王仲君
• 来源期刊: 计算机系统应用
• 关键词: 支持向量回归机 特征加权 灰色关联度 评价指标 核函数
• 年，卷（期）: 2012,（5）
• 页码范围: 205-208
• 字数: 2740字
• 语种: 中文

摘要

根据支持向量回归机原理,针对样本特征对回归预测重要性的差异,采用最小二乘支持向量回归机(LS-SVR)算法,减少参数数量,针对参数对预测效果的影响,并考虑到特征加权的意义,采用特征指数进行加权,其权重系数由灰色关联度确定,提出了基于特征指数加权的最小二乘支持向量回归机算法.为验证该算法的有效性,对实际股票价格进行预测,结果表明该算法较传统最小二乘支持向量回归机算法,其回归估计函数的预测能力明显提高,具有一定的实用价值

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王仲君	武汉理工大学理学院	39	225	8.0	13.0
2	潘岚	武汉理工大学理学院	3	4	1.0	2.0