论文部分内容阅读
为了提高SVM的学习效率和泛化能力，首先利用一种信息粒化算法对原始数据进行预处理，该算法能将样本空间划分为多个粒（子空间），降低样本规模，节省时间复杂度．然后将模糊粒化后的信息利用SVM进行回归分析，同时利用交叉验证选出最优的分类器调节参数，可降低分类器的复杂性和提高分类器的泛化能力，避免出现过学习和欠学习．最后通过预测上证指数的实验验证了该算法具有优越的特性，能够较为准确的进行时序回归预测．