灰色支持向量機在小樣本預(yù)測中的應(yīng)用研究.pdf

1、灰色系統(tǒng)理論的研究對象是“部分信息已知，部分信息未知”的“小樣本”、“貧”信息不確定系統(tǒng)，它通過對“部分”已知信息的生成、開發(fā)了解、認識現(xiàn)實世界，實現(xiàn)對系統(tǒng)運行行為演化規(guī)律的正確把握和描述?；疑珓討B(tài)建模是灰色系統(tǒng)理論的核心，也是灰色系統(tǒng)理論與世界相結(jié)合的橋梁。 支持向量機是建立在統(tǒng)計學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險最小化原則基礎(chǔ)上的新型機器學(xué)習(xí)方法.它根據(jù)有限樣本信息在模型的復(fù)雜度和期望風(fēng)險之間尋求最佳折衷，能夠獲得更好的泛化性能

2、。與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)等學(xué)習(xí)方法相比，支持向量機具有泛化能力強、維數(shù)不敏感、收斂到全局最優(yōu)等優(yōu)點，很好地決了前者容易出現(xiàn)的過學(xué)習(xí)、局部極值、維數(shù)災(zāi)難等棘手問題。 論文主要研究工作包括以下3個方面： 1.針對灰色關(guān)聯(lián)因子分析和支持向量機的分類機理，提出了一種混合算法。用灰色關(guān)聯(lián)分析方法作為屬性預(yù)處理器，依據(jù)屬性關(guān)聯(lián)度改變每個屬性的權(quán)重，然后基于支持向量機進行回歸建模和預(yù)測，并通過實例證明該模型的有效性。 2.闡述預(yù)測技

3、術(shù)中灰色預(yù)測模型GM(1，1)，通過分析其建模機制找出影響模型精度的各種因素(背景值、初值、光滑度)，并針對各種影響因素分別提出背景值預(yù)測模型(BGM模型)、初值預(yù)測模型(IGM模型)、光滑度預(yù)測模型(SGM模型)，最后分別通過實例證明其有效性。 3.將背景值預(yù)測模型(BGM模型)、初值預(yù)測模型(IGM模型)、光滑度預(yù)測模型(SGM模型)的預(yù)測數(shù)據(jù)作為輸入因子，實際數(shù)據(jù)作為輸出因子，然后基于支持向量機進行回歸建模和預(yù)測，并通過實