改进SVM及其在时间序列数据预测中的应用

摘要：

运用标准支持向量机预测海量金融时间序列数据会出现训练速度慢、内存开销大的问题,文中提出一种分解合作加权的回归支持向量机,将大样本集分解成若干工作子集,分段提炼出支持向量机,同时根据支持向量的重要性给出不同的错误惩罚度,并将其应用于证券指数预测.与标准算法相比较,文中方法在保证泛化精度一致的前提下,极大地加快了训练速度.

关键词：支持向量机、分解合作加权支持向量机、时间序列、证券指数

所属期刊栏目：33

分类号：TP18;O29(自动化基础理论)

资助基金：国家自然科学基金10371135

在线出版日期：2005-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：19-22