基于粒子群优化支持向量回归机的黄金价格预测模型

作者: 王芬 ; 马涛 ; 马旭

关键词: 粒子群算法支持向量机回归黄金价格参数优化统计学习理论

摘要：为了克服神经网络存在的收敛速度慢、容易陷入局部极值等缺点，提出基于粒子群优化支持向量机（PS0-SVM）的黄金价格预测方法，以影响黄金价格的美元走势、世界黄金储备、石油价格等因素为输入，黄金价格为耗出．用粒子群优化算法选择合适的支持向量机参数，对支持向量回归机进行训练．应用训练完成的支持向量回归机预测下一年的黄金价格．结果证明，PSO—SVM的预测精度高于BP神经网络，PSO—SVM适用于黄金价格预测．

上一篇：基于概率模型LVQ的改进KNN分类新方法
下一篇：酶法浸提酿酒葡萄果渣中多酚的最优工艺

基于粒子群优化支持向量回归机的黄金价格预测模型

作者: 王芬 ; 马涛 ; 马旭

关键词: 粒子群算法 支持向量机回归 黄金价格 参数优化 统计学习理论

关键词: 粒子群算法支持向量机回归黄金价格参数优化统计学习理论