论文研究 基于SVM的金融时间序列分析的研究 .pdf

针对客户流失数据集的非平衡性问题和错分代价的差异性问题，将代价敏感学习应用于Veropoulos提出的采用不同惩罚系数的支持向量机，建立客户流失预测模型，对实际的电信客户流失数据进行验证。通过与传统S

基于SVM的web分类方案设计与研究，叶灵，辛阳，随着网络科技的飞速发展，网络已经成为人们日常生活的必需品。数以亿计的网页已经在带给人们方便的同时也在困扰着人们，如何高效

这是一本介绍金融时间序列中有关算法的书。

SVM主动学习算法的改进研究，王天民，王小捷，本文针对将支持向量机用于多分类主动学习任务时存在的初始训练样本不平衡问题，提出了基于加权熵进行有偏样本选择的方案，同时，

针对传统的时间序列线性预测算法对时间序列的线性程度要求高，而非线性方法一般建模复杂且计算量大，提出了一种基于趋势点状态模型的时间序列预测算法。该算法无须考虑时间序列是否具有显著线性特征，通过序列间耦合

时间序列是在如运动捕捉、传感器网络、气候预报和财经市场预测等应用中的重要分析手段之一，然而在许多现实应用中经常发生观察数据缺失现象，如何应用相应的方法和模型来预测和填补含缺失数据的时间序列是目前研究的

时间序列的相似性度量是时间序列分析的基础工作之一，是进行相似匹配的关键。针对欧几里德距离描述分段趋势的不足和各种模式距离对应分段之间距离值的离散化问题，提出一种基于形态相似距离的时间序列相似性度量方法

基于多种时间序列模型的网络流量预测，崔文亮，于艳华，网络流量的预测具有重大的研究意义，网络流量的预测对于解决网络管理优化、网络拥塞控制这一难题具有重要的指导意义。网络流量的

针对证券市场指数内部结构的复杂性和影响因素的高维性，提出基于MPCA-RBF（多线性主成分分析法—径向基神经网络）模型的证券市场指数时间序列预测方法。由于证券市场间存在关联性，选取了7个证券市场及34

基于小波神经网络的水文时间序列预测，孙井池，，由于气候因素及下垫面因素的综合影响，水文时间序列表现出复杂的非线性，一般的时间序列预测方法对非线性非平稳的信号不适用。小