本文關(guān)鍵詞： 粒子群算法 支持向量機(jī) 財(cái)務(wù)危機(jī)預(yù)警　出處：《管理現(xiàn)代化》2017年03期 　論文類型：期刊論文

【摘要】：針對(duì)單純支持向量機(jī)(SVM)預(yù)警準(zhǔn)確率較低等問(wèn)題,采用粒子群算法(PSO)優(yōu)化支持向量機(jī)的參數(shù),提出改進(jìn)的SVM預(yù)警模型。該方法首先采用主元分析方法(PCA)進(jìn)行數(shù)據(jù)降維處理,再將支持向量機(jī)的參數(shù)作為PSO的粒子,分類準(zhǔn)確率作為PSO的目標(biāo)函數(shù),通過(guò)全局搜索得到最優(yōu)參數(shù)進(jìn)而優(yōu)化SVM。研究結(jié)果表明,PCA-PSO-SVM模型準(zhǔn)確率相較于SVM模型得到較大改善。
[Abstract]:Aiming at the problem of low accuracy rate of support vector machine (SVM) warning, particle swarm optimization (PSO) algorithm is used to optimize the parameters of support vector machine (SVM), and an improved SVM early-warning model is proposed. Firstly, the principal component analysis (PCA) method is used to reduce the dimension of the data. The parameters of support vector machine (SVM) are regarded as particles of PSO, and the classification accuracy is taken as the objective function of PSO. The optimal parameters are obtained by global search, and the results show that the accuracy of PCA-PSO-SVM model is better than that of SVM model.
【作者單位】： 鄭州大學(xué)商學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目“競(jìng)爭(zhēng)與制度交互下的公司金融契約治理:行為分析與實(shí)驗(yàn)檢驗(yàn)”(U1304705) 河南省高等學(xué)校重點(diǎn)科研項(xiàng)目“基于公司治理視角的河南省國(guó)有企業(yè)混合所有制改革研究”(16A630032) 鄭州大學(xué)青年教師支持科研基金項(xiàng)目“轉(zhuǎn)型背景下弱政治資源企業(yè)的尋租行為及其治理機(jī)制研究”(2015SKYQ01)
【分類號(hào)】：F275;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前4條

1 常子楠;;基于混合策略的財(cái)務(wù)危機(jī)預(yù)警模型構(gòu)建[J];金陵科技學(xué)院學(xué)報(bào);2011年03期

2 王英博;聶娜娜;李仲學(xué);;基于HSDM的企業(yè)財(cái)務(wù)危機(jī)預(yù)警[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年01期

3 廖志文;;基于CBR與灰色關(guān)聯(lián)度的財(cái)務(wù)危機(jī)預(yù)警[J];計(jì)算機(jī)工程;2012年01期

4 ;[J];;年期

相關(guān)碩士學(xué)位論文 前8條

1 徐璐銘;基于社會(huì)責(zé)任的財(cái)務(wù)危機(jī)預(yù)警模型對(duì)比研究[D];鄭州大學(xué);2015年

2 翟慎宇;改進(jìn)HS算法優(yōu)化BP網(wǎng)絡(luò)的財(cái)務(wù)危機(jī)預(yù)警研究[D];吉林大學(xué);2016年

3 王敏;基于粗糙集和支持向量機(jī)的財(cái)務(wù)危機(jī)預(yù)警模型研究[D];西安電子科技大學(xué);2011年

4 時(shí)文超;基于遺傳小波神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)危機(jī)預(yù)警模型研究[D];遼寧科技大學(xué);2012年

5 廖邦雄;基于BP神經(jīng)網(wǎng)絡(luò)集成的財(cái)務(wù)危機(jī)預(yù)警研究[D];浙江師范大學(xué);2013年

6 車萌;基于BP神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)危機(jī)預(yù)警研究[D];青島理工大學(xué);2015年

7 溫重偉;基于分類SVM的企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型研究[D];華南理工大學(xué);2011年

8 胥光華;基于機(jī)器學(xué)習(xí)構(gòu)建的公司財(cái)務(wù)預(yù)警系統(tǒng)研究[D];廈門大學(xué);2014年

，

本文編號(hào)：1516505