基于数据挖掘技术的企业财务困境预测建模

研究企业财务困境预测问题,影响财务困境的输入变量参数较多,存在输入维数和冗余信息,造成预测效率低。如何准确选择合理的输入变量参数是提高财务困境预测精度的关键。为了解决财务困境输入变量选择不合理导致预测精度低等难题,提出采用主成分-遗传-支持向量机(PCA-GA-SVM)的企业财务困境组合预测方法。先用主成分分析法(PCA)合理选取企业财务困境的输入变量,然后结合遗传算法(GA)利用训练集的数据对SVM最优参数寻优,得到企业财务困境预测模型,最后采用具体企业财务数据进行仿真。实验结果表明,PCA-GA-SVM的企业财务困境预测方法提高了财务困境的预测精度。     

基于GA-SVM的质量预测系统设计和实现

针对支持向量机(SVM)参数大多凭经验选择的费时问题,提出基于遗传算法(GA)的SVM参数选取方法和基于组件对象模型(COM)技术实现Visual C#与Matlab 的混合编程方法。以质量预测系统中GA-SVM预测模型建模和程序实现为例给出2 种方法的具体实现。结果表明,使用GA优化SVM参数能充分发挥GA算法特性,降低参数选择的时间;使用COM技术的混合编程能提高程序开发和运行的 效率。     

高炉焦炭质量的GA-SVM模型预测

焦炭的质量对高炉冶炼的生产有着重要的影响,为保证焦炭质量产量的稳定以及优化焦炭质量,针对线性回归预测方法难以解决配合煤与焦炭质量指标之间的非线性问题,通过分析焦炭质量影响因素,提出了一种基于GA-SVM模型的焦炭质量预测,解决了模型中惩罚因子C、基函数参数σ和不敏感损失参数ε难以确定的问题.最后基于某炼焦企业数据进行仿真实验,与BP神经网络预测比较,结果表明优化后的GA-SVM模型具有较高预测精度,对焦炭生产具有一定的应用价值.     

基于GA-SVM的银行客户流失预测分析

客户流失分析与预测是客户关系管理的重要内容。根据银行实际客户流失数据中正负样本数量不平衡而且数据量大的特点,采用遗传算法对传统支持向量机进行改进,得到GA-SVM模型,并以国内某商业银行VIP客户流失预测为实例,与人工神经网络、决策树、逻辑回归和贝叶斯分类器方法进行了对比,发现该方法能获得最好的正确率、命中率、覆盖率和提升系数,是预测现有客户流失倾向的有效方法。     

基于GA-SVM的心脏病诊断模型

心脏病是一类高发病率、高死亡率的疾病,及时且准确地诊断心脏病有利于为患者争取更多的治疗时间,提高患者的康复概率并减少危险。选用UCI提供的心脏病数据集作为实验数据,提出了基于遗传算法（Genetic Algorithm,GA）优化支持向量机（Support Vector Machine,SVM）的心脏病诊断模型GA-SVM。实验结果表明,GA-SVM的分类准确率较高,相较于其他机器学习模型而言具有更强的预测与泛化能力。     

基于Renyi熵的LS-SVM财务困境预测模型

为了提高企业财务困境预测的正确率,减少训练模型的样本数和训练时间,在传统支持向量机预测模型的基础上,将Renyi熵和最小二乘支持向量机算法应用于财务困境预测,提出了一种基于Renyi熵的最小二乘支持向量机预测模型.独立推导出了适合财务困境预测这一离散序列的熵以及支持向量机核函数的表达式,同时,给出了这一改进算法的实现步骤.实验结果表明,该算法无论是训练样本的数量还是训练时间,都显著优于传统的最小二乘支持向量机以及标准支持向量机预测模型.     

基于启发式GA-SVM的手写数字字符识别的研究

数字字符识别技术是图像处理领域中的一个重要研究方向,并且在社会经济生活的许多方面有着越来越广泛的应用.预处理是手写数字识别中重要的一个环节,它的优劣直接关系到识别算法的性能.文中提出了一种改进后的数字字符识别处理方案.该方案首先对输入的数字字符图像进行预处理,然后使用大津法进行全局图像阈值选取,通过阈值处理将灰度图像转化为二值图像.最后利用libsvm加强工具箱和启发式遗传算法进行手写数字的识别.实验结果显示该方法提高了识别数字的准确度.     

基于特征提取的中药水提液膜分离预测系统

为了找出中药水提液膜过程中影响膜污染的主要因素和预测膜污染的程度以防止膜污染,提出了应用遗传神经网络提取影响中药水提液膜分离过程的特征因素的方法,并以特征因素为输入向量,使用神经网络、支持向量机等建立预测模型,开发并实现了集成化的综合分析和预测系统.介绍了中药水提液膜分离预测系统的体系结构、主要功能、运行情况及开发的关键技术.实验结果表明,该集成化的综合分析系统较单一分析建模预测精度更高.     

基于DCT和GA-SVM的轴承故障诊断

针对轴承故障振动信号特点,提出一种基于离散余弦变换(DCT)、遗传算法(GA)和支持向量机(SVM)的轴承故障诊断方法.利用DCT的能量聚集性在广义频域建立原始特征向量集,运用GA以SVM的最低分类错误率为目标函数建立故障特征向量集,使用SVM完成轴承故障诊断.分别对轴承内圈故障、外圈故障、滚动体故障进行故障诊断,结果表明,该方法能够准确诊断轴承故障.     

基于GA-SVM逆系统的机械臂内模控制

六自由度机械臂系统具有强耦合、多输入多输出、非线性的特性,且难以求解精确的动力学模型。针对上述问题,提出了一种基于GA-SVM逆系统的六自由度机械臂内模控制方法。将逆系统方法用于六自由度机械臂的解耦可以有效简化控制器的设计,为了避免逆系统方法复杂的解析过程,采用基于支持向量机(SVM)辨识逆系统模型以实现解耦,并用遗传算法(GA)优化SVM系统参数以提高模型的准确性。同时,为了弥补SVM辨识逆系统的误差以及抑制系统存在的扰动,设计内模控制器以保证系统的鲁棒性和稳定性。实验结果表明,该方法不需要知道六自由度机械臂的数学模型和内部结构,也能实现各关节位置的快速精确定位控制,且具有良好的鲁棒性,结构简单,需要调节的参数少,易于工程实现。     

改进遗传算法和支持向量机的特征选择算法

提出了一种基于改进遗传算法的特征选择算法。该算法以支持向量机分类器的识别率作为特征选择的可分性判据,对传统遗传算法的交叉和选择操作进行了改进,实现了指定数目的特征选择。而且算法在特征选择的过程中,还同时优化了支持向量机分类器的两个参数。实验数据的特征选择实验表明,提出的算法仅以损失2.7%识别率的代价,得到的特征维数却是传统遗传算法的1/5,极大地简化了分类器设计的复杂度。     

基于遗传算法和支持向量机的肿瘤分子分类

提出了一种基于遗传算法(GA)和支持向量机(SVM)的用于肿瘤分子分类和特征基因选择的新方法。该方法针对基因表达数据样本少维数高的特点,先根据基因的散乱度滤掉大量分类无关基因,而后使用相关性分析去除分类冗余基因,得到一个候选基因子集,用遗传算法搜索候选特征基因空间,发现在支持向量机分类器上具有好的分类性能的且含基因个数较少的特征子集。把这种GA/SVM方法应用到结肠癌和急性白血病基因表达谱,能选出多个取得较高分类精度的较小基因子集,实验结果表明了该方法的有效性。     

基于改进遗传算法的支持向量机微信垃圾文章识别

近几年,随着微信的快速发展和普及,微信已经成为智能移动设备必备的应用之一,但与之同时也出现了大量微信诈骗信息、垃圾广告等,给人们带来了极大的困扰。本文将从搜狗微信搜索中抽取微信文章样本,将微信垃圾文章识别看做文本分类问题,采用支持向量机对样本进行分类模型的训练,并应用改进的遗传算法对支持向量机的参数进行优化。文中详细的介绍了改进遗传算法在支持向量机上的应用,相比传统的支持向量机,采用改进遗传算法对支持向量机参数进行优化,提升了模型准确率和优化效率。在文章的最后进行了由15000篇微信文章所形成的测试集上的分类模型效果实验,实现结果表明,本方法能够达到94.7%的准确率,非常准确的识别微信垃圾文章。     

基于小波神经网络的上市公司财务危机预测①

提出了基于小波神经网络的上市公司财务危机预测模型,分析了公司财务指标的选取方法。小波神经网络的训练采用自适应调整学习率及动量系数的方法,以避免陷入局部极小值。与多元统计方法、Logit及Probit模型进行比较,结果表明,该方法预测精度高,第一类错误及第二类错误显著减小。     

支持向量机在财务管理中的应用

针对财务管理中的数据量问题,提出使用监督性支持向量机（SVM）算法解决财务数据分类问题。首先,将财务数据按照不同的年份,不同的部门进行预处理,并将其标签化;其次,按照一定比例选择训练数据和验证数据,将训练数据输入到SVM中进行分类器的训练;最后利用最优分类器完成财务数据分类。实验结果表明：所提出的算法在财务管理中有较高的应用价值。     

智能医疗系统中GA_SVM特征选择和参数优化

挂号是医疗过程最基本的单元,通常患者不知道自己病情,挂错科室的情况十分普遍,智能医疗系统的挂号功能很好地解决了这一难题,智能医疗系统利用医疗部门积累的海量病案文本进行训练和机器学习,对患者的病例特征进行分析将其分类到正确的病种,得出应挂的科室然后推荐给患者.而影响传统的支持向量机(SVM)文本分类的效率和准确率主要是特征值的提取和核函数参数的优化问题,由此提出了一种遗传算法(GA)和SVM相结合的文本分类方法,即把文本特征值和核函数的参数看作遗传算法中的一个染色体(一个个体),并进行二进制编码,对每一个个体进行选择、交叉、变异的遗传操作,得到最优的个体,最后通过支持向量机利用最优特征和最优参数进行文本分类.实验表明,该模型提高了患者智能诊断挂号的正确率,是一种较好的智能推荐诊断挂号算法.