作者：彭静 彭勇 欧阳令南财务危机预警粒子算法支持向量机
摘要：基于特征集的选择、核函数参数的优化对支持向量机（SVM）模型的预测性能有着重要的影响，提出了一个粒子算法-支持向量机（PSO-SVM）模型.该模型采用PSO对特征集和核函数参数同时进行优化，从而提高SVM模型的预测结果.将所提出的PSO-SVM模型应用到财务危机预警中，取得了较佳的预测结果.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《上海交通大学学报》（月刊）创刊于1956年，由中华人民共和国教育部主管，上海交通大学主办，CN刊号为：31-1466/U，自创刊以来，颇受业界和广大读者的关注和好评。 《上海交通大学学报》主要刊载船舶与海洋工程、动力、机械、能源、材料、电气、电子、计算机、化工、生物工程、管理科学，以及数学、物理、工程力学等方面的最新研究成果。
部级期刊
人气 258108 评论 46
省级期刊
人气 238519 评论 36
人气 154106 评论 33
人气 151784 评论 53
