《表4 ST公司预测结果：基于小波支持向量机的企业财务长期预测算法》
提示：宽带有限、当前游客访问压缩模式
分别采用第2节进行算法验证，运用Matlab进行实例仿真，根据表1的财务指标对20家公司进行预测分析，将财务正常判定为+1，财务异常判定为-1。详情如表3、表4所示。
| 图表编号 | XD00115443600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.30 |
| 作者 | 李珊珊、张福泉 |
| 绘制单位 | 福建商学院会计系、北京理工大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 模型总体精度对比：基于数据挖掘与支持向量机的现货市场出清价预测方法》2020.10.25
- 《表2 2种模型误差对比：基于改进经验小波变换和最小二乘支持向量机的短期风速预测》2021.02.28
- 《表1 4种模型误差对比：基于改进经验小波变换和最小二乘支持向量机的短期风速预测》2021.02.28
- 《表4 模型评估结果对比：基于朴素贝叶斯算法的~*ST企业财务状况预测研究》2020.08.28
- 《表3 评估度量指标：基于朴素贝叶斯算法的~*ST企业财务状况预测研究》2020.08.28
- 《表3 预测结果：基于非线性支持向量机的隧道煤与瓦斯突出危险性预测》2020.04.01
- 《表2 预测结果：基于近似支持向量机的裂缝分类方法》2020.04.01
- 《表1 模型评估结果：基于改进支持向量机的温室大棚温度预测》2020.04.08
- 《表4 模型预测结果比较：基于支持向量机的养老保障满意度非线性模型》2020.01.20
- 《表3 预测结果对照：基于支持向量机的有机成膜涂层混凝土碳化深度预测模型》2020.01.25
- 《表4 模型预测精度比较：基于邻域粗糙集与支持向量机的射频识别系统识别率预测》2019.12.01
- 《表5 预测结果汇总：基于小波支持向量机的企业财务长期预测算法》2020.01.30
- 《表4 各影响指标权值：基于粗糙集优化支持向量机的泥石流危险度预测模型》2019.11.08
- 《表1 建筑情况介绍：基于混合算法优化支持向量机的供热负荷预测模型》2019.10.01
- 《表5 验证实验结果：基于支持向量机的聚丙烯针刺非织造布孔径及其分布预测》2019.06.08
- 《表4 误差检验：基于信息粒化和支持向量机的母线等效负荷波动预测方法》2019.04.01
- 《表2 照度的预测结果：基于支持向量机的室内照度预测仿真》2019.01.15
- 《表1 算法性能比较：基于最小二乘支持向量机的氧化铝浓度预测》2018.12.25
- 《表3 收敛位移预测结果：基于支持向量机的公路隧道围岩变形预测》2019.12.20
- 《表4 沉降位移预测结果：基于支持向量机的公路隧道围岩变形预测》2019.12.20