基于遗传算法和熵的缩减记忆式LS-SVM财务困境预测模型研究

基于遗传算法和熵的缩减记忆式LS-SVM财务困境预测模型
研究
赵冠华
【期刊名称】《运筹与管理》
【年(卷),期】2010(019)005
【摘要】为了提高财务困境预测的正确率,减少模型的训练样本数和训练时间,在传统支持向量机(SVM)预测模型的基础上,将遗传算法、信息熵和缩减记忆算法应用于最小二乘支持向量机(LS-SVM),提出了一种基于遗传算法和信息熵的缩减记忆式最小二乘支持向量机预测模型.并独立推导出了适合财务困境预测这一离散序列的熵以及支持向量机核函数的表达式,同时,给出了这一改进模型的实现步骤.实验结果表明,该模型无论是预测正确率,还是训练样本的数量和训练时间,都显著优于最小二乘支持向量机以及传统支持向量机模型.
【总页数】7页(P71-77)
【作者】赵冠华
【作者单位】山东财政学院会计学院,山东济南250014
【正文语种】中文
【中图分类】F201
【相关文献】
1.基于Renyi熵的LS-SVM财务困境预测模型 [J], 赵冠华
2.基于适度财务指标和遗传算法的财务危机预测模型研究 [J], 李清
3.基于邻域粗糙集属性约简的对偶约束式LS-SVM财务困境预测模型研究 [J], 赵冠华
4.基于遗传算法的上市公司财务危机预测模型研究 [J], 李清
5.基于遗传算法—优化长短期记忆神经网络的柴油机瞬态NO_(x)排放预测模型研究 [J], 杨蓉;杨林;谭盛兰;张松;黄伟;黄俊明
因版权原因，仅展示原文概要，查看原文内容请购买。