参数优化支持向量机的人参价格预测模型

J4 ›› 2012, Vol. 30 ›› Issue (2): 218-222.

• 论文 • 上一篇

参数优化支持向量机的人参价格预测模型

马建华^1a|张星奇²|张辉^1b

1.吉林铁路职业技术学院 a.铁道工程系；b.电气工程系|吉林吉林132002;2.吉林大学生命科学学院,长春 130012

收稿日期:2011-10-29 出版日期:2012-03-28 发布日期:2012-04-19
作者简介:马建华（1972—）|男|吉林省吉林市人|吉林铁路职业技术学院副教授|主要从事电气自动化教学与研究|（Tel)86-13704424400(E-mail)ma-jianhua2001@sina.com。

Ginseng Price |Prediction Model Based on Support Vector Machine and Particle Swarm Optimization

MA Jian-hua^1a,ZHANG Xing-qi²,ZHANG Hui^1b

1a.Department of Railway Engineering;1b.Department of Electrical Engineering,Jilin |Railway Career Technical College,Jilin 132002,China;2.College of Life Science,Jilin |University|Changchun 130012,China

Received:2011-10-29 Online:2012-03-28 Published:2012-04-19

摘要/Abstract

摘要：

为了对人参价格进行预测，分析了影响人参价格因素，通过K-fold交叉验证方法，利用粒子群算法对支持向量机的惩罚参数c和g_gamma值进行寻优，建立起2010年1月~2011
年12月林下参的价格预测模型。利用粒子群算法优化惩罚参数c为3.6974，利用radial basis function核函数的SVM（Support Vector Machine）对预测集1的预测相关系数为97.316%。

关键词: 支持向量机, 粒子群算法, 人参价格

Abstract:

Through the analysis of the influence of ginseng price factors,we predict the ginseng price.We applied K-fold cross-validation method,utilized the PSO (Particle Swarm Optimization) to reach the optimum of penalty parameter c and value of g_gamma,and built the forecast model of the ginseng price from January 2010 to December 2011.The optimized value by PSO for penalty parameter c is 3.6974,the prediction correlation coefficient for prediction set 1 by the SVM(Support Vector Machine)of radial basis kernel function is 97.316%,the results are satisfactory,and we can predict ginseng price from January to June 2012 with this model.

Key words: support vector machine, particle swarm optimization, ginseng prices

中图分类号:

TP273

马建华|张星奇|张辉. 参数优化支持向量机的人参价格预测模型[J]. J4, 2012, 30(2): 218-222.

MA Jian-hua,ZHANG Xing-qi,ZHANG Hui. Ginseng Price |Prediction Model Based on Support Vector Machine and Particle Swarm Optimization[J]. J4, 2012, 30(2): 218-222.

[1]	孟钏楠，隋阳，张杰，王悦，董玮，张歆东，阮圣平. 基于YSPSO-ＲBFN 的布里渊散射谱特征提取[J]. 吉林大学学报(信息科学版), 2018, 36(4): 372-380.
[2]	王昕, 李亮, 尹小童, 李梦烁, 曾朝伟, 艾勇鑫. 甲状腺结节超声图像多特征融合及识别[J]. 吉林大学学报(信息科学版), 2017, 35(6): 650-655.
[3]	康朝海,李鹏娜,张永丰,陈建玲. 基于混合蛙跳粒子群算法的 TSP 问题求解[J]. 吉林大学学报(信息科学版), 2017, 35(5): 498-506.
[4]	张雨烟, 陈万忠, 张涛, 李明阳. 基于非负矩阵分解的癫痫脑电自动检测[J]. 吉林大学学报(信息科学版), 2017, 35(5): 551-559.
[5]	兰兰, 陈万忠, 魏庭松. 基于融合特征提取与 LLE 方法的表情识别[J]. 吉林大学学报(信息科学版), 2017, 35(4): 384-391.
[6]	杨永健, 聂瑜, 吴洋, 孙广志, 杨仲尧. 基于 SVM 新的情感计算方法[J]. 吉林大学学报(信息科学版), 2017, 35(4): 438-442.
[7]	李学贵,许少华,李娜,赵恩涛,郭昊 . 基于涡流搜索算法的过程支持向量回归机模型[J]. 吉林大学学报(信息科学版), 2017, 35(3): 341-346.
[8]	陈倩,李华涛,于银辉 . 基于功率控制的异构蜂窝网络基站节能机制[J]. 吉林大学学报(信息科学版), 2017, 35(1): 14-19.
[9]	胡云鹏, 王世刚. 基于支持向量机与朴素贝叶斯的犯罪度理论研究[J]. 吉林大学学报(信息科学版), 2017, 35(1): 20-25.
[10]	杜昭慧,司玉娟 . 基于层次支持向量机的脉搏信号情感识别[J]. 吉林大学学报(信息科学版), 2017, 35(1): 37-42.
[11]	唐国维,张岩,王苫社,刘彦彤,赵璨 . 基于 ε-SVR 的嵌入式小波图像编码算法[J]. 吉林大学学报(信息科学版), 2017, 35(1): 76-84.
[12]	任晓琳,李洪文 . 复杂多关节机械臂建模及逆运动学比较分析[J]. 吉林大学学报(信息科学版), 2016, 34(6): 753-760.
[13]	王丹,臧雪柏,陈奋君 . 基于 Latent SVM 的多视角行为识别方法[J]. 吉林大学学报(信息科学版), 2016, 34(6): 747-752.
[14]	梅钦, 许芳, 陈虹, 李宗俐. 基于FPGA 的车辆横摆稳定预测控制器设计实现[J]. 吉林大学学报(信息科学版), 2016, 34(3): 359-366.
[15]	宋晓洋, 刘立勋. 基于SVM 回归的连续血压测量方法[J]. 吉林大学学报(信息科学版), 2016, 34(3): 384-389.

参数优化支持向量机的人参价格预测模型

Ginseng Price |Prediction Model Based on Support Vector Machine and Particle Swarm Optimization

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0