论文部分内容阅读
大数据分析方法能发现数据中存在的关系和规则，预测事物未来的发展趋势，从而提高决策的科学性。针对传统预测方法精度低、泛化性差的问题，提出基于智能支持向量机的大数据分析与预测方法。设计一种新的支持向量机模型参数选择准则，即模型残差概率密度函数逼近给定的高斯分布，并按照该准则采用混沌收缩粒子群优化算法确定模型参数，从而提高数据分类或回归处理的精度与泛化性。采用选矿生产过程现场数据进行实验，结果验证了该方法的有效性，并表明其精度比LSSVM方法更高。