快速增量加权支持向量机预测证券指数

被引：4

作者：

李拥军 ^{[1
]}

奉国和 ^{[2
]}

齐德昱 ^{[1
]}

机构：

[1] 华南理工大学计算科学与工程学院

[2] 华南师范大学经济管理学院

来源：

控制理论与应用 | 2006年 / 05期

基金：

中国博士后科学基金; 广东省自然科学基金;

关键词：

支持向量机; 增量学习; 证券指数预测; 相空间重构;

D O I：

暂无

中图分类号：

F830.91 [证券市场];

学科分类号：

1201 ; 020204 ;

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．

引用

页码：805 / 809

页数：5