改进SVM及其在时间序列数据预测中的应用

被引：13

作者：

奉国和

朱思铭

机构：

[1] 中山大学数学与计算科学学院

来源：

华南理工大学学报(自然科学版) | 2005年 / 05期

关键词：

支持向量机; 分解合作加权支持向量机; 时间序列; 证券指数;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

运用标准支持向量机预测海量金融时间序列数据会出现训练速度慢、内存开销大的问题,文中提出一种分解合作加权的回归支持向量机,将大样本集分解成若干工作子集,分段提炼出支持向量机,同时根据支持向量的重要性给出不同的错误惩罚度,并将其应用于证券指数预测.与标准算法相比较,文中方法在保证泛化精度一致的前提下,极大地加快了训练速度.

引用

页码：19 / 22

页数：4