基于支持向量机与信息粒化的上证指数预测研究

• 作者: 周晓辉 姚俭
• 来源期刊: 科技通报
• 学科: 工学
• 关键词: 信息粒化 支持向量机 混沌粒子群算法 回归预测
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 工业技术
• 页码范围: 131-134,222
• 页数: 5页
• 分类号: TP183|F830
• 字数: 2770字
• 语种: 中文

摘要

参数的优化选择对支持向量机回归算法（SVR）的预测精度和泛化能力影响显著,提出混沌粒子群优化算法（CPSO）优化选取支持向量回归算法中参数c和g，信息粒化是进行海量数据挖掘和模糊信息处理的有效工具。在此基础上利用上证指数数据建立上证指数开盘数预测模型,研究结果表明，混沌粒子群优化的SVR信息粒化时序回归预测模型克服了传统时间序列模型仅局限于线性系统的缺点，速度快，预测精度高,且实用性强。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚俭	上海理工大学管理学院	83	578	12.0	21.0
2	周晓辉	上海理工大学管理学院	19	114	7.0	10.0