支持向量機(jī)在企業(yè)財務(wù)預(yù)警中的應(yīng)用研究.pdf

1、支持向量機(jī)(Support Vector Machines,簡稱SVM)是在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的一種新型的機(jī)器學(xué)習(xí)方法，通過采用結(jié)構(gòu)風(fēng)險最小化原則，SVM較好的解決了有限樣本學(xué)習(xí)的問題。它擁有眾多的優(yōu)良特性，如利用核函數(shù)避免解的局部最小、具有解的稀疏性、通過界限的作用達(dá)到容量控制或支持向量數(shù)目的控制等等，在解決有限樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢。學(xué)術(shù)界普遍認(rèn)為它是繼神經(jīng)網(wǎng)絡(luò)之后的一個新的研究方向。

2、本文首先對支持向量機(jī)的理論基礎(chǔ)進(jìn)行了研究和探討，并對SVM這一更具構(gòu)造性的機(jī)器學(xué)習(xí)方法的研究現(xiàn)狀以及主要改進(jìn)算法做了綜述和比較說明；針對支持向量機(jī)目前存在的主要問題進(jìn)行了分析。對于針對具體問題所使用的算法、核函數(shù)和參數(shù)選擇也做了相應(yīng)的研究。進(jìn)而將主成分分析fPrincipal ComponentAnalysis，簡稱PCA)和支持向量機(jī)(SVM)結(jié)合，提出一種分行業(yè)、適用有限樣本空間的財務(wù)預(yù)警模型：以傳統(tǒng)財務(wù)指標(biāo)為基礎(chǔ)，通過主成分分析，