收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

区域物流需求预测的LaOR方法

汤俊  肖建华  
【摘要】:目前回归函数中普遍存在的泛化能力得不到保证的缺点,结合统计学习理论的研究成果,建立了基于最小一乘准则的最优回归模型(LaOR模型)。与以往回归模型相比较,新模型综合考虑了回归误差和置信范围,可望有效地降低回归模型的期望风险。上海市将LaOR应用到物流需求的短期预测中,取得了可以接受的预测效果。

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 丁蕾;朱德权;;基于BP与SVR的非线性回归之比较[J];安庆师范学院学报(自然科学版);2011年02期
2 吕琦;;基于SVM的股票时间序列的预测研究[J];吉林工程技术师范学院学报;2011年07期
3 张泽麟;徐金玉;;基于支撑向量机的神经元分类器[J];宜宾学院学报;2011年06期
4 ;[J];;年期
5 ;[J];;年期
6 ;[J];;年期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
11 ;[J];;年期
12 ;[J];;年期
13 ;[J];;年期
14 ;[J];;年期
15 ;[J];;年期
16 ;[J];;年期
17 ;[J];;年期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 郭崇慧;陆玉昌;唐焕文;;支持向量机优化问题的熵优化方法[A];2006年中国运筹学会数学规划分会代表会议暨第六届学术会议论文集[C];2006年
2 毛宇清;王咏青;王革丽;;支持向量机方法应用于理想时间序列的预测研究[A];中国气象学会2008年年会气候预测研究与预测方法分会场论文集[C];2008年
3 王峰;张新华;;支持向量机在结构动力学求解问题中的应用[A];第八届全国动力学与控制学术会议论文集[C];2008年
4 侯伟真;潘美芹;;高斯核支持向量机最优模型参数选择搜索算法[A];中国运筹学会第八届学术交流会论文集[C];2006年
5 田金信;张国永;郭志达;;基于支持向量机改进的VaR模型研究[A];第八届中国管理科学学术年会论文集[C];2006年
6 周学君;;Rademacher复杂性与学习机器推广性的界[A];第一届中国智能计算大会论文集[C];2007年
7 赵丽;杨利彬;;基于支持向量机的供应商合作伙伴选择[A];全国第九届企业信息化与工业工程学术会议论文集[C];2005年
8 宋杰鲲;张在旭;张宇;;一种基于支持向量机的企业财务危机预警模型[A];2006“数学技术应用科学”[C];2006年
9 陈涛;陈波;秦学志;;个人住房抵押贷款提前还款预测的实证分析[A];第25届中国控制会议论文集(下册)[C];2006年
10 程砚秋;杨德权;;基于决策树和支持向量机的金融预测方法[A];中国企业运筹学学术交流大会论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 冯云龙;统计学习理论中基于核的算法研究[D];中国科学技术大学;2012年
2 李熠熠;利率期限结构的静态建模与参数估计[D];中国科学技术大学;2009年
3 贺文武;高效预测的核学习方法[D];中南大学;2008年
4 王巍;基于统计学习理论的项目风险评价与预测研究[D];天津大学;2008年
5 李红星;基于统计学习理论的正则化最小二乘回归在时间序列建模和预测中的应用[D];中国科学技术大学;2007年
6 夏国恩;基于商务智能的客户流失预测模型与算法研究[D];西南交通大学;2007年
7 刘靖旭;支持向量回归的模型选择及应用研究[D];国防科学技术大学;2006年
8 王承;无界抽样的ERM与LS-正则化学习[D];武汉大学;2010年
9 吴青;基于优化理论的支持向量机学习算法研究[D];西安电子科技大学;2009年
10 汪东;基于支持向量机的选时和选股研究[D];上海交通大学;2007年
中国硕士学位论文全文数据库 前10条
1 张雪峰;最小二乘与最小二乘支撑向量机[D];电子科技大学;2007年
2 孔波;基于边界向量样本的支持向量分类机[D];华中科技大学;2006年
3 吴飞跃;基于统计学习理论的故障分析与可靠度预测技术研究[D];华中科技大学;2007年
4 王海洋;基于SVM的分段贪婪算法研究[D];西安科技大学;2009年
5 胡艳国;支持向量机的研究与应用[D];南昌大学;2007年
6 肖鹏;基于SVM的选股算法研究[D];哈尔滨工业大学;2007年
7 刘勇;一种新的支持向量回归预测模型[D];华中科技大学;2007年
8 艾武;基于支持向量机的色素斑痣类皮肤症状识别研究[D];华中科技大学;2007年
9 桂芳芳;基于支持向量机的大规模定制下的质量预测[D];天津大学;2008年
10 姚程宽;不平衡样本集的支持向量机模型选择[D];南京师范大学;2007年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978