創(chuàng)新創(chuàng)業(yè)項目中期報告.doc_第1頁
創(chuàng)新創(chuàng)業(yè)項目中期報告.doc_第2頁
創(chuàng)新創(chuàng)業(yè)項目中期報告.doc_第3頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

創(chuàng)新訓(xùn)練項目階段性成果1、 項目名稱智能證券分析交易系統(tǒng)2、 成員及學(xué)習(xí)方向李建強(qiáng)：期貨專業(yè)知識楊 鵲：小波理論劉潔穎：趙英翠：支持向量機(jī)3、 各成員具體學(xué)習(xí)成果支持向量機(jī)趙英翠1、 基本思想 支持向量機(jī)是建立在統(tǒng)計學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險最小化原則基礎(chǔ)上的，主要思想就是將輸入空間中的非線性問題映射為高維特征空間里的線性問題，在高維特征空間中發(fā)現(xiàn)超平面并最大化超平面與支持向量之間的距離。2、 算法原理1) 樣本線性可分：在樣本空間中求解最大隔解2) 樣本不是線性可分：通過恰當(dāng)?shù)暮撕瘮?shù)將樣本集映射到高維空間，實現(xiàn)樣本集的像在高維空間線性可分3、 支持向量機(jī)模型 設(shè)非線性映射為：即為特征空間，則在特征空間的回歸函數(shù)為 （1）其中，為中的權(quán)向量，為維向量，為偏置，為內(nèi)積。根據(jù)結(jié)構(gòu)風(fēng)險最小化原理，以及考慮函數(shù)復(fù)雜度和擬合誤差，回歸問題可以表示為下面的約束優(yōu)化問題 （2） （3）式中，控制函數(shù)的復(fù)雜度，是常數(shù)，為懲罰系數(shù)，用來平衡函數(shù)的復(fù)雜度和擬合誤差，為松弛因子。使用Lagrange乘子法原理求解上述優(yōu)化問題，求得回歸估計函數(shù)為 （4）其中為Lagrange乘子。選擇徑向基函數(shù)作為核函數(shù)，即

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論