支持向量機在企業(yè)財務預警中的應用研究.pdf_第1頁
已閱讀1頁，還剩53頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、支持向量機(Support Vector Machines,簡稱SVM)是在統(tǒng)計學習理論基礎上發(fā)展起來的一種新型的機器學習方法，通過采用結構風險最小化原則，SVM較好的解決了有限樣本學習的問題。它擁有眾多的優(yōu)良特性，如利用核函數(shù)避免解的局部最小、具有解的稀疏性、通過界限的作用達到容量控制或支持向量數(shù)目的控制等等，在解決有限樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢。學術界普遍認為它是繼神經(jīng)網(wǎng)絡之后的一個新的研究方向。

2、本文首先對支持向量機的理論基礎進行了研究和探討，并對SVM這一更具構造性的機器學習方法的研究現(xiàn)狀以及主要改進算法做了綜述和比較說明；針對支持向量機目前存在的主要問題進行了分析。對于針對具體問題所使用的算法、核函數(shù)和參數(shù)選擇也做了相應的研究。進而將主成分分析fPrincipal ComponentAnalysis，簡稱PCA)和支持向量機(SVM)結合，提出一種分行業(yè)、適用有限樣本空間的財務預警模型：以傳統(tǒng)財務指標為基礎，通過主成分分析，

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論