快速增量加权支持向量机预测证券指数

摘要：

传统支持向量机是对小样本提出,对于大样本会出现训练速度慢、内存占用多等问题,并且不具有增量学习性能.而常用的增量学习方法又会出现局部极小等问题.本文阐述了一种改进的支持向量机算法(快速增量加权支持向量机算法)用于证券指数预测.该算法先对指数样本做相空间重构,再分解成若干个工作子集,针对样本重要程度给出不同权重构建预测模型.实验分析表明,在泛化精度保持略好情况下,训练速度明显提高.

关键词：支持向量机、增量学习、证券指数预测、相空间重构

所属期刊栏目：23

分类号：TP18;O29(自动化基础理论)

资助基金：中国博士后科学基金2005037582;广东省自然科学基金05200300

在线出版日期：2006-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：805-809