×
杜晓芳；Stephen C.H.Leung。；张金龙；赖，K.K。

基于支持向量机的易腐农产品需求预测。 （英语） 兹比尔1307.93395

国际期刊系统。科学。 44，第3号，556-567（2013）.
摘要：本文提出了一种基于支持向量机（SVM）方法的易腐农产品需求预测新算法。由于支持向量机具有更高的泛化性能，并能保证给定训练数据的全局最小值，因此支持向量回归在预测易腐农产品需求方面表现良好。为了提高预测精度，本文基于模糊理论对影响易腐农产品销售预测的因素进行了量化，适合于实际情况。数值实验表明，基于日绝对误差、相对平均误差和FP准则，采用支持向量机和模糊理论的预测系统优于径向基函数神经网络。由于没有结构化的方法来选择支持向量机的自由参数，本文讨论了自由参数的变化范围及其对预测性能的影响。实验结果分析表明，支持向量机预测系统在易腐农产品需求预测中的应用是有利的。

引用于1文件

MSC公司：

93E10型 随机控制理论中的估计与检测
93E03型 控制理论中的随机系统（一般）
93立方厘米 模糊控制/观测系统

关键词：

支持向量机；易腐农产品；需求预测；模糊理论；核函数

软件：

遥远的
PDF格式BibTeX公司 XML格式引用
\textit{X.F.Du}等人，国际期刊系统。科学。44，第3号，556--567（2013；Zbl 1307.93395）
全文： 内政部

参考文献：

[1] 内政部：10.2307/1403258·Zbl 0598.62110号 ·doi:10.2307/1403258
[2] Aizerman M，《自动化和远程控制》25页821–（1964年）
[3] Anderson RG，《数据处理：信息系统与技术》，第2、6页。编辑（1987）
[4] DOI:10.1016/j.spa.2010.11.005·Zbl 1241.62122号 ·doi:10.1016/j.spa.2010.11.005
[5] Bellman RE，自适应控制过程（1961年）·doi:10.1515/9781400874668
[6] 比利时Boser。Guyon，I.M.和Vapnik，V.N.（1992），“最佳边缘分类器的训练算法”，摘自《第五届ACM计算学习理论研讨会论文集》，D.Haussler主编，宾夕法尼亚州匹兹堡：ACM出版社
[7] Box GE，时间序列分析预测与控制（1970年）
[8] Box GEP，时间序列分析：预测和控制，3。编辑（1994）
[9] MC支架。Bui-Nguyen，V.和Schmidt，J.（1993），“神经网络预测准确性的另一种观点”，摘自第二届神经网络应用于电力系统联合论坛会议记录，日本横滨，第19-22页
[10] Brown RG，离散时间序列的平滑、预测和预测（1963）
[11] DOI:10.1023/A:1009715923555·Zbl 05470543号 ·doi:10.1023/A:1009715923555
[12] 内政部：10.1007/s10878-005-1856-y·兹比尔1123.90073 ·doi:10.1007/s10878-005-1856-y
[13] DOI:10.1016/S0925-2312（01）00643-9·Zbl 1006.68770号 ·doi:10.1016/S0925-2312（01）00643-9
[14] 内政部：10.1080/09537280512331325155·doi:10.1080/09537280512331325155
[16] 内政部：10.1142/9789812794710·doi:10.1142/9789812794710
[17] 内政部：10.1162/08997660332385108·Zbl 1085.68123号 ·doi:10.1162/08997660332385108
[18] Cortes C，机器学习20 pp 273–（1995）
[19] Das KC，《ASAE交易》，第35页，2035–（1992）·数字对象标识代码：10.13031/2013.28832
[20] DOI:10.1002/（SICI）1099-131X（199601）15:1<49:：AID-FOR604>3.0.CO；2-2 ·doi:10.1002/（SICI）1099-131X（199601）15:1<49:：AID-FOR604>3.0.CO；2-2
[21] 内政部：10.1007/BF02941095·doi:10.1007/BF02941095
[22] DOI:10.1016/j.jfoodeng.2004.03.011·doi:10.1016/j.jfoodeng.2004.03.011
[23] 内政部：10.1080/00207720701726188·Zbl 1283.93036号 ·doi:10.1080/00207720701726188
[24] Ellis D，《商业预测管理指南》（1990年）
[25] Faraway JJ，用R扩展线性模型：广义线性、混合效应和非参数回归模型（2006）·Zbl 1095.62082号
[26] 内政部：10.1016/S0305-0483（99）00035-3·doi:10.1016/S0305-0483（99）00035-3
[27] DOI:10.1016/j.ijpe.2006.05.001·doi:10.1016/j.ijpe.2006.05.001
[28] 内政部：10.1080/095372899233082·doi:10.1080/095372899233082
[29] SR冈恩。（1998），“用于分类和回归的支持向量机”，ISIS技术报告，南安普顿大学电子与计算机科学系
[30] DOI:10.1287/mnsc.13.11.821·Zbl 0149.16903号 ·doi:10.1287/mnsc.13.11.821
[31] DOI:10.2307/2297980·兹比尔0805.90026 ·doi:10.2307/2297980
[32] 内政部：10.2307/2235451·doi:10.2307/2235451
[33] 内政部：10.1080/00207720802083018·Zbl 1233.93097号 ·doi:10.1080/00207720802083018
[34] DOI:10.1016/S0169-2070（01）00110-8·doi:10.1016/S0169-2070（01）00110-8
[35] 内政部：10.1287/opre.1100.0809·Zbl 1233.90027号 ·doi:10.1287/opre.1100.0809
[36] 内政部：10.1080/07350015.1994.10524553·doi:10.1080/07350015.1994.10524553
[37] 姜凤，自动化技术与应用22，第23页–（2003）
[38] 内政部：10.2307/2346488·doi:10.2307/2346488
[39] Jolliffe IT，主成分分析，2。编辑（2002）
[40] DOI:10.1016/j.compag.2005.12.001·doi:10.1016/j.compag.2005.12.001
[41] Kecman V，《学习和软计算：支持向量机、神经网络和模糊逻辑模型》（2001年）
[43] DOI:10.1002/jsfa.2332·doi:10.1002/jsfa.2332
[44] DOI:10.1016/S0925-2312（03）00372-2·Zbl 02060379号 ·doi:10.1016/S0925-2312（03）00372-2
[45] DOI:10.1016/S0142-0615（01）00021-7·doi:10.1016/S0142-0615（01）00021-7
[46] HT林。和Lin，C.J.（2003），“支持向量机Sigmoid核的研究和用SMO类型方法训练非PSD核”，技术报告，国立台湾大学计算机科学与信息工程系
[47] Makridakis S，预测方法和应用（1998年）
[48] DOI:10.1016/j.rene.2003.11.009·doi:10.1016/j.rene.2003.11.009
[49] 内政部：10.1007/s12351-009-0054-6·Zbl 1172.90421号 ·doi:10.1007/s12351-009-0054-6
[50] KR穆勒。Smola，A.和Schokopf，B.（1997），《支持向量机预测时间序列》，《国际人工神经网络会议论文集》，第999–1004页
[51] Nahapatyan A，生物系统的数学建模（应用优化102第185页–（2008）·兹比尔1382.92016 ·doi:10.1007/978-3-540-76784-85
[52] 数字对象标识码：10.1007/s00521-003-0390-z·doi:10.1007/s00521-003-0390-z
[53] 加利福尼亚州恩屯。（1991），“整体库存系统的神经网络模型”，《1991年国际工业工程会议论文集》，第435-444页
[54] DOI:10.1016/j.mcm.2005.02.008·Zbl 1187.90113号 ·doi:10.1016/j.mcm.2005.02.008
[55] DOI:10.1016/j.enconman.2005.02.004·doi:10.1016/j.enconman.2005.02.004
[56] DOI:10.1016/j.omega.2004.07.024·doi:10.1016/j.omega.2004.07.024
[57] Patel VC，《人工智能应用》，第8页，第21页–（1994年）
[58] 内政部：10.1126/science.247.4945.978·Zbl 1226.92005号 ·doi:10.1126/science.247.4945.978
[59] 内政部：10.1080/00207721003646256·Zbl 1233.90039号 ·doi:10.1080/00207721003646256
[60] Schölkopf B，核方法的进展：支持向量学习（1999）
[61] Schölkopf B，《使用内核学习：支持向量机，正则化，优化及超越》（2001）
[62] 内政部：10.1109/78.650102·数字对象标识代码：10.1109/78.650102
[63] 内政部：10.1080/00207720903353625·Zbl 1206.93097号 ·doi:10.1080/00207720903353625
[64] 阿贾斯坦·斯莫拉。和Scholkopf，B.（1998），“支持向量回归教程”，NeuroCOLT技术报告TR 1998-030，伦敦大学皇家霍洛韦学院
[65] DOI:10.1016/S0305-0483（01）00026-3·doi:10.1016/S0305-0483（01）00026-3
[66] Vapnik VN，统计学习理论的本质，2。编辑（2000）·兹比尔0934.62009 ·doi:10.1007/978-1-4757-3264-1
[67] 内政部：10.1108/02644400310465317·Zbl 1157.86302号 ·doi:10.1108/02644400310465317
[68] 内政部：10.1080/00207720601157997·Zbl 1417.62209号 ·doi:10.1080/00207720601157997
[69] DOI:10.1016/S0019-9958（65）90241-X·Zbl 0139.24606号 ·doi:10.1016/S0019-9958（65）90241-X
[70] 齐默尔曼，模糊集理论及其应用，3。编辑（1996）·doi:10.1007/978-94-015-8702-0
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。