两种SVM模型对比分析下的改进创新
金伟华
武汉理工大学 430000
摘要：建立在ARMA模型上的时间序列预测,我们通常采用标准的支持向量机来进行预测,但是这种做法被严重诟病.例如:它的计算速度慢,低效率以及内存占有率高等问题.有研究在此基础上改进的SVM算法,它是通过对大样本量进行细分,并依据每个子样本对原样本的贡献度大小赋予它们不同程度的惩罚因子,已经被认为是重要的突破.在实际经济预测中(如股票预测)取到了不错的效果.但相较于普通的SVM,它还存在不成熟的地方.本文就这两种SVM算法背景下,对它们的优缺点以及适用范围进行更深层次的探讨.
关键词：时间序列分解加权回归支持向量机
资助基金：湖北省统计科研计划项目(HB132-10)
论文发表日期：2014-01-01
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：3( 90-92 )
英文信息