基于光滑支持向量机的经济预测模型

田丰

摘要：由于支持向量机方法具有推广能力强、拟合精度高、全局最优等特点， 将支持向量机应用于对经济发展水平的预测中， 建立基于支持向量机的经济预测模型， 近年来受到了广泛的关注， 并得以迅速发展. 但在处理大数据时， 求解支持向量机对应的二次规划问题是非常棘手的， 如何有效求解支持向量机是一个不可回避的研究课题. 光滑支持向量机是标准支持向量机的一种改进形式， 其在经济走势预测中的应用已显示出了优越性. 本文主要介绍了光滑技术在支持向量机中的应用及具体算法.

关键词：经济预测模型；支持向量机；加函数；光滑函数；Newton-Armijo算法

1.引言

近年来， 经济预测[1-2]一直成为各国学者研究的焦点问题之一。为了取得好的预测结果， 专家们进行了多次尝试并提出了各种各样的定性模型和定量模型， 如时间序列预测、灰色预测、统计模型、神经网络等， 其中时间序列预测成为研究的重要课题然而， 传统的经济预测分类方法已不能完全满足现代经济预测的要求， 因此， 我们需要寻找一种新的预测方法经济预测可以看作一个模式分类过程， 而支持向量机（support vector machine， SVM）[3]是解决分类问题的一个有效方法， 目前在经济预测领域也得到应用经典的SVM通过求解一个对偶的二次规划问题（quadratic programming problem， QPP）来得到分类超平面和决策函数2007年， Jayadeva等人[4]在SVM的基础上首次提出了双生支持向量机（Twin SVM， TSVM）。2001年， Lee等人[5]提出了光滑支持向量机（smooth SVM， SSVM）， 利用光滑技术将SVM的原始问题转化为无约束光滑最优化问题。2008年， Kumar等人[6]在SSVM的基础上提出了光滑双生支持向量机（smooth TSVM， STSVM）。研究结果表明， 光滑模型的效果比求解二次规划问题优越。本文在多年研究基础上， 详细介绍了光滑支持向量机的理论模型和详细算法， 结构如下： 第二部分主要介绍光滑支持向量机及相关算法； 第三部分阐述光滑双生支持向量机及相关算法； 第四部分作出结论。