最优化技术在支持向量机研究中的应用

支持向量机在金融时间序列预测中的应用

支持向量机, 一种基于统计学的新型机器学习和数据挖掘技术, 遵循结构风险最小化原则。金融时间序列数据通常具有非平稳性、复杂性、非线性以及噪声干扰, 传统预测方法难以取得令人满意的效果。本研究提出一种基于支持向量机的金融时间序列预测方法, 并将其应用于上证180指数预测。实验结果表明, 支持向量机方法能够有效地建模动态金融时间序列, 并取得良好的预测效果。

数据挖掘 20 2024-05-12

支持向量机（SVM）应用详解

详细介绍了使用Matlab编写的支持向量机分类器代码，用于模式识别和分类任务。支持向量机作为一种强大的机器学习算法，在各种应用场景中展示出了其高效性和准确性。通过该代码，用户可以深入了解支持向量机在模式识别中的实际应用。

Matlab 17 2024-07-23

支持向量机在数据挖掘中的创新应用

这本书是一本适合工科研究人员的入门书，介绍了支持向量机和核方法的基础知识。作者是中国农业大学的邓乃杨和田英杰。

数据挖掘 20 2024-07-18

支持向量机在数据挖掘中的应用资料

这里提供了一些关于支持向量机在数据挖掘中的基础阅读资料。

数据挖掘 8 2024-07-15

支持向量机中粒子群优化参数调节的Matlab实现

支持向量机（SVM）中，利用粒子群优化方法调节参数C和G的Matlab代码。经过调试验证，非常有效且操作便捷。

Matlab 11 2024-08-22

matlab中的多分类支持向量机程序

使用Matlab内置的svmtrain和svmpredict函数实现多分类支持向量机。

Matlab 10 2024-08-29

利用支持向量机（SVM）进行预测的应用

现有测试数据可直接用于实施。

Matlab 13 2024-08-26

支持向量机在统计学习理论中的革新性作用

《人工智能引论》课件中关于支持向量机（SVM）的部分详细探讨了其在统计学习理论中的基础和重要作用。SVM作为统计学习方法的代表之一，基于严谨的数学理论，推翻了传统方法中对特征选择的人工依赖，而是通过精巧的线性组合自动选择和构造特征，优化了模型的泛化能力和稳定性。该方法不仅在理论上解决了不适定问题，还在实际应用中展现了强大的泛化能力，特别是在文本分类、图像识别和生物信息学等领域的应用。

数据挖掘 9 2024-07-22

MATLAB平台上的支持向量机印章检测技术

在MATLAB平台上，利用支持向量机算法实现了对印章的提取和检测。

Matlab 18 2024-08-22