基于鲁棒ν-支持向量机的产品销售预测模型

被引:3
作者
吴奇 [1 ,2 ]
严洪森 [2 ]
机构
[1] 东南大学机械工程学院
[2] 东南大学自动化学院复杂工程系统测量与控制教育部重点实验室
关键词
支持向量机; 预测模型; 鲁棒损失函数; 混合噪音;
D O I
10.13196/j.cims.2009.06.43.wuq.005
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
产品销售时序通常具有正态高斯分布、幅值较大、奇异点等混合噪音,为此,设计了一种鲁棒损失函数,得到一种新的支持向量机,即鲁棒ν-支持向量机。它可以有效地压制销售时序的多种噪音和奇异点,具有很强的鲁棒性,而且比标准ν-支持向量机具有更简洁的对偶优化问题。最后进行了汽车销售预测的实例分析,结果表明,基于鲁棒ν-支持向量机的预测模型是有效可行的。
引用
收藏
页码:1081 / 1087
页数:7
相关论文
共 6 条
[1]   具有多分段损失函数的多输出支持向量机回归 [J].
胡根生 ;
邓飞其 .
控制理论与应用, 2007, (05) :711-714
[2]   基于改进支持向量机的客户流失分析研究 [J].
赵宇 ;
李兵 ;
李秀 ;
刘文煌 ;
任守榘 .
计算机集成制造系统, 2007, (01) :202-207
[3]   基于多支持向量机系统的供应链伙伴关系协同预警框架 [J].
李辉 ;
李向阳 ;
王颜新 .
计算机集成制造系统, 2006, (05) :753-758+764
[4]   A robust shot transition detection method based on support vector machine in compressed domain [J].
Cao, Jianrong ;
Cai, Anni .
PATTERN RECOGNITION LETTERS, 2007, 28 (12) :1534-1540
[5]  
Modified support vector machines in financial time series forecasting[J] . Francis E.H. Tay,L.J. Cao.Neurocomputing . 2002 (1)
[6]   A sales forecasting system based on fuzzy neural network with initial weights generated by genetic algorithm [J].
Kuo, RJ .
EUROPEAN JOURNAL OF OPERATIONAL RESEARCH, 2001, 129 (03) :496-517