时序预测 | MATLAB实现PSO-SVM粒子群优化支持向量机时间序列预测

时序预测 | MATLAB实现PSO-SVM粒子群优化支持向量机时间序列预测

目录

    • 时序预测 | MATLAB实现PSO-SVM粒子群优化支持向量机时间序列预测
      • 基本介绍
      • 程序设计
      • 结果分析
      • 参考资料

基本介绍

MATLAB实现PSO-SVM粒子群优化支持向量机时间序列预测。粒子群优化算法(Particle Swarm optimization,PSO)又翻译为粒子群算法、微粒群算法、或微粒群优化算法。是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。支持向量机在高维或无限维空间中构造超平面或超平面集合,其可以用于分类、回归或其他任务。直观来说,分类边界距离最近的训练资料点越远越好,因为这样可以缩小分类器的泛化误差。

程序设计

  • 主程序
% 支持向量机用于收盘价预测,首先是未优化的,其次是优化后的
%% 清空环境
tic;clc

你可能感兴趣的:(#,SVM支持向量机,智能学习,组合优化,PSO-SVM,粒子群优化,时间序列预测)