《表4 研究前沿主题预测结果 (以Topic0为例)》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于支持向量机和改进粒子群算法的科学前沿预测模型研究》
选择后四年多源数据文本为测试数据集,对训练得到的模型进行评估分析与预测。采用公式(4)中的相对误差指标RE进行各子时期的测试样本期望输入与预测效果对比分析。以Topic0为例对比传统PSO-SVM模型(基准方法)和改进PSO-SVM模型(改进方法)的预测效果,结果见表4。由表4,基准方法预测中各个子时期年度相对误差ARE(Annual Relative Error)最大为24.6%(2016年),基于改进方法预测最大ARE为9.76(2017年);基于基准方法的主题Topic0的预测相对误差RE为10.1%,算法改进后的预测误差为7.59%。说明本文提出粒子群算法改进的支持向量机预测模型预测精度较好,具有较强的预测推广能力和小样本学习能力。
图表编号 | XD0072241000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 徐路路、王芳 |
绘制单位 | 南开大学商学院、南开大学商学院 |
更多格式 | 高清、无水印(增值服务) |