基于特征指数加权的最小二乘支持向量机算法

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Βιβλιοθήκη Baidu
Ｋｅｏｄ：ｌｓｓｕｒｓｓｐｒｖｃｒｒｇｅｓｎｍａｈｅｗｅｔｅｔｅｇａｏｅｔｎｄｇｅ；ｖｌａｏｙｗｒｓｅｔｑａｅｕｐｔｅｔｅｒｓｉｃｉ；ｉｅｆｕ；ｒｙｃｒｌｏｅｒｅｅａｔｎａｏｏｏｎｈｇｄａｒａｉｕｉ
ｃｒｅａｉｅｄｇｅｏｔｅｒｇｅｓｏ，ｔｅａｅｔｏａａｔｒｏｔｅｏｍａｃｆｆｒｃｓｎａｎｇｉｔｃｏｎｔｔｅｏｒｌｔｖｅｅｔｅｓｉｎｈｆｃｆｐｒｍｅｅｓｔｈｅｐｒｒｎｅｏｏｅａｔａｄｔｋｉｏａｃｕｒｈｒｆｎｈ
ｃｅｆｉｎｓａｅｄｔｒｎｄｂｅｇｅｏｒｌｔｎｄｇｅｐｒａｈＩｅｍｅｔ，ｅｅｅｔｅｅｓｏｔｅａｇｒｈｏｆｉｅｔｌｅｅｍｉｅｙｔｒｙｃｒｅａｏｅｒｅａｐｏｃ．ｎｔａｉｃｈｉｈｎｍｅｔｆｃｉｎｓｆｌｏｔｍｈｖｈｉ
２１０２年第２卷第５期ｌ
ｈｔ：ｗ．ｓ＆ｒ．ｌｔｌｗｗｃ－ｏｇｃｐｌ・ｔ
计算机系统应用
基于特征指数加权的最小二乘支持向量机算法①
潘岚，王仲君
（武汉理工大学理学院，武汉４０７）３００
摘
要：根据支持向量回归机原理，针对样本特征对回归预测重要性的差异，采用最小二乘支持向量回归机
ｉｄｍｏｓｒｔｄｉｆｒｃｓｎｈｅａｔａｏｋｐｉｅＴｅｅｐｒｎａｓｌｏｔａｉｉｐｒｒ０ｃａｓａｐｏｓｅｎｔｅｎｏｅａｔｇｔｃｕｌｔｃｒ．ｈｘｉｔｌｅｕｔｓｗｈｔｔｓｓｅｉｔｌｉｌｕｐｒａｉｓｃｅｍｅｒｓｈｕｏｓｃｓｔｖｃｏｍａｈｎｎｄｃｌｓｇｉｃｎｌｍｐｏｅｔｅｐｅｃｉｅａｉｔ．ｅｔｒｃｉｅａａｌｉｆａｔｎｉｙｉｒｖｈｒｄｔｂｌｙｉｖｉ
ｉｄｘ；ｅｅｎｅｋｒｌｎ
１引言
支持向量机是由Ｖｐｉ等人提出并在统计学习理ａｎｋ
响的、与回归无关的以及被噪声污染的特征与其它特
征拥有相同地位则会对支持向量回归机的实用效果产生影响。文献【】出了一种基于特征系数加权的支持１提
（ＳＳＲ）算法，减少参数数量，针对参数对预测效果的影响，并考虑到特征加权的意义，采用特征指数进行Ｌ．ｖ
加权，其权重系数由灰色关联度确定，提出了基于特征指数加权的最小二乘支持向量回归机算法。为验证该算
法的有效性，对实际股票价格进行预测，结果表明该算法较传统最小二乘支持向量回归机算法，其回归估计函
ＰＡＮＬａ＇ＡＮＧＺｈｏｇＪｎｎＷｎ－ｕ
（ｃｏｌｆｃｅｃ，／ｈｎＵｉｅｓｙｏＴｃｎｌｙＷｕａ３００ＣｉａＳｈｏｉｅ＂ｕａｎｖｒｔｆｅｈｏｏ，ｈｎ４０７，ｈｎ）ｏＳｎ￣ｉｇ
Ａｂｔａｔｓｒｃ：Ａｃｏｄｎｏｔｅｂｓｃｐｉｃｐｅｏｕｐｒｅｔｒｒｇｅｓｏｌｏｉｍ，ｆｒｔｅｄｆｅｅｃｆｆａｒｓｃｒｉｇｔｈａｉｒｉｌｆｓｐｏｔｖｃｏｅｒｓｉｎａｇｒｈｎｔｏｉｒｎｅｏｅｔｅ ’ ｈｕ
ｗｅｇｔｄｆａｕｅｉｒｐｓｄｉｉａｒｉｉｈｌａｔｑａｅｕｐｒｖｃｏｅｒｓｉｎａｇｒｈｉｕｅｅｕｅｉｈｅｅｔｒｐｏｏｅｔｓｐｐ，ｗｈｃ，ｅｓｕｒｓｓｐｏｔｅｔｒｇｅｓｏｏｔｍｓｓｄｔｒｄｃｓｎｈｅｎｓｒｌｉｏ
ｈｕｅｆｒｍｅｓｎｘｅｔｌｅｅｔｅｉｕｅｉｏｅｐｅｉｎａｃｒｃ，ｈｅｉｔｅｎｍｂｒｏａａｔｒａｄｅｐｎｎａｙｗｉｔｄｆａｒｓｄｔｒｖｒｄｃｏｃｕａｙｔｅｗｉｔｇｐｅｏｉｌｈｇｅｕｓｏｍｐｉｔｈｇｎ
数的预测能力明显提高，具有一定的实用价值。
关键词：支持向量回归机：特征加权：灰色关联度：评价指标；核函数
ＬｅｓｕａｅｕｐｐｔｃｏａｈｉｓｄｎｐｏｎｔａｌｅｇｅＦｅｔｅａｔＳｑｒｓＳｏｒｔｒＭｃｎｅＢａｅｏＥｘｎｅｉｌＷｉｈｔｄａｕｒＶｅｙ
ｓｎｆａｃｆｉｈｅａｒｅｒａｚｔｎｌｓｓｕｒｓｕｐ￣ｖｃｒｅｅｓｎｍａｈｎ（ＳＳＲｂｅｎｉｉｃｅｏｇｔｆｔｅＲｒｏｌａｉ，ａｔｑａｅｐｇｉｎｗｅｄｅｕａｎｍｉｏｅｓｏｅｔｇｓｉｃｉｅＬ－Ｖ）ａｄｏｏｒｒｏｓ