一种基于Morlet小波核的约简支持向量机

针对支持向量机(SVM)的训练数据量仅局限于较小样本集的问题,结合M orlet小波核函数,提出了一种基于M orlet小波核的约简支持向量机(MW RSVM-DC).算法的核心是通过密度聚类寻找聚类中每个簇的边缘点作为约简集合,并利用该约简集合寻找支持向量.实验表明,利用小波核,该算法不仅提高了分类的准确率,而且提高了整体分类效率.

基于投资者情绪的动态Copula-小波SVR模型构建与应用

文章结合小波理论与支持向量回归(SVR)模型的优势,构建了一种研究股价变动的基于投资者情绪的动态Copula-小波SVR模型,并以浦发银行为例进行实证分析,验证了模型的可行性。首先运用动态SJC Copula函数衡量不同股票之间的相关关系,进而构建股票相关集;其次,采用自然语言处理技术挖掘投资者情绪,通过Python构建特定的金融评论情感词典,并结合知网Hownet词典进行情感分析,将分析结果与ROST CM6软件的情感分析结果进行综合,从而构建投资者情感指数;最后,结合股票相关集和投资者情感指数,运用Morlet小波SVR模型对2020年6月22日至2022年3月15日,包含浦发银行在内的上证50股的每日股价数据进行实例分析。结果表明:由动态SJC Copula函数筛选出的与目标股票高度相关的股票相关集,能够在一定程度上反映股市相关性对于目标股票变动趋势的影响,从而提高股价预测精度;研究证实了该投资者情感指数的有效性,表明网络舆情的引入对股价预测模型的优化具有重要意义;小波理论与SVR的结合能够有效提升股价预测的准确率与稳定性。

PSO-SVM反演隧道周围加固软土的力学参数

传统获取土体物理力学参数的试验方法受土体扰动、仪器及人员操作影响,得到的结果往往较离散。研究基于统计学习理论的支持向量机(SVM)改进方法,通过使用搜索效率高的仿生学算法——微粒群算法(PSO)对支持向量机参数进行优化,提高支持向量机的预测精度,并结合三维有限元数值模拟分析,得到一种新的可快速获取参数指标的反演计算模型。从而达到在统计样本量较少的情况下,也能获得很好预测结果的目的。以实际隧道施工过程中地表沉降监测数据为依据,对隧道周围泥炭质土及黏土层加固后的压缩模量采用POS-SVM进行反演,将反演值代入三维有限元模型计算地表沉降,并对实际监测、三维有限元模型计算及Peck公式计算的地表沉降值进行对比分析。发现在布设的28个地表沉降监测点中,实际监测及模型计算结果间差异很小,一半的点之间差异小于10%,有几个点稍大,但最大也仅是18.8%。监测与模型计算结果吻合较好,沉降规律也一致。而Peck公式计算的值大部分偏大,计算沉降与实际监测的规律也不一致。以上研究结果表明,采用PSO-SVM反演岩土力学参数的方法是合理可行的,对今后设计及施工所需岩土力学参数的确定及校核提供了一种新的分析方法。

支持向量机在长江芜湖段水质评价中的应用

为了快捷和高精度地评价水质,针对支持向量机的训练数据量局限于小样本集以及对噪音数据的敏感性问题,提出了一种基于粗糙集与Morlet小波核支持向量机的水质评价方法.利用本算法和matlab平台在长江芜湖段15项参评指标检测数据的108个样本基础上,进行水质评价建模和分类.实验表明,利用小波核不仅提高了分类的准确性,而且提高了整体分类效率.