支持向量机理论及其在金融中的应用

发布时间：2020-05-14 12:36

【摘要】： 分类是人们认识一切事物的墓础,许多优秀的学习算法都是以分类为基础发展起来的,如神经网络等.目前能用于模式分类的方法很多,传统的方法有Bayesian方法、距离判别法、Fisher判别法等.现代的方法如模糊分类、粗糙分类、以及神经网络分类等,还有刚刚兴起的支持向量机分类方法. 支持向量机理论是一种专门的小样本理论,它避免了人工神经网络等方法的网络结构难于确定、过学习和欠学习以及局部极小等问题,被认为是目前针对小样本的分类、回归等问题的最佳理论,基于这一理论近年提出的支持向量机(Support Vector Machines简称SVM)方法,为解决非线性问题提供了一个新思路. 本文首先回顾了前人对支持向量机理论所做的成果,在前人工作的基础上介绍了在二次规划框架下的支持向量机分类算法和回归算法以及在线性规划下的支持向量机分类算法,进而对支持向量机理论做了扩展研究,证明了在非线性情况下支持向量机分类算法和回归算法的等价性.然后,我们运用支持向量机原理研究了上市公司财务危机问题,建立了基于支持向量机的上市公司财务预警模型,并利用部分上市公司的财务数据对财务危机问题做了实证分析,结果表明支持向量机方法优于神经网络等其它方法.
【学位授予单位】：新疆大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：F830.9;O234

【共引文献】

相关期刊论文 前10条

1 夏业启,于中;酚醛树脂生产的微机自动控制系统[J];工程塑料应用;2000年05期

2 刘兴远,方顺兴,姚忠国;建筑结构试验数据处理的几种方法[J];四川建筑科学研究;1993年02期

3 郭伟,刘兴远,张力,王跃文,孙亮;无腹筋钢筋混凝土简支梁受剪特性的神经网络模型初探[J];四川建筑科学研究;2004年01期

4 刘兴远,郭伟,林文修,杜文龙,易珂;重庆地区混凝土构件碳化规律的神经网络描述[J];四川建筑科学研究;2004年04期

5 张燕平;提取特征规则的重复覆盖算法(RCA)[J];安徽大学学报(自然科学版);2002年02期

6 高湘萍;吴小培;沈谦;;基于脑电的意识活动特征提取与识别[J];安徽大学学报(自然科学版);2006年02期

7 丁晓贵;神经网络在非线性系统参数辨识中应用[J];安徽工程科技学院学报(自然科学版);2003年04期

8 路子，

本文编号：2663359