基于迭代的支持向量机的产品销售预测模型  

Product Sale Forecasting Model Based on Iterative Support Vector Machine

作　　者：涂歆[1] 严洪森[2] 

机构地区：[1]东南大学自动化学院,江苏 南京 贵州大学大数据与信息工程学院,贵州 贵阳 [2]东南大学自动化学院,江苏 南京 贵州大学大数据与信息工程学院,贵州 贵阳 东南大学复杂工程系统测量与控制教育部重点实验室,江苏 南京

出　　处：《计算机科学与应用》2020年第1期60-69,共10页Computer Science and Application

基　　金：国家自然科学基金(50875046);国家自然科学基金(60934008);国家自然科学基金(61065010).

摘　　要：针对产品销售时序具有小样本、含噪声的数据特征,本文设计了一种迭代的支持向量机模型(Iε-SVM)。Iε-SVM采用迭代的方式,在SVM中参数ε逐步减小的过程中,一步步修正那些可能受噪声影响较大的样本点信息,降低这些样本点对最终生成的预测模型的影响。Iε-SVM与ε-SVM一起被应用于处理一个数值算例和一个汽车销售预测实例中,仿真实验结果表明Iε-SVM是有效可行的,可获得比ε-SVM更精确的预测结果。Aiming at data characteristics of small samples and noise existing in the product sale series, an iterative support vector machine (Iε-SVM) is proposed in this paper. During the gradually reducing process of Iε-SVM’s parameter ε, the samples greatly affected by noise are iteratively amended to reduce their influence on the final forecasting model generated. Iε-SVM is applied to a numerical value example and the automobile sales forecasting in contrast with the ε support vector machine (ε-SVM). The experiment results indicate that Iε-SVM is effective and feasible, by which more accurate forecasting results are obtained over the ε-SVM.

关 键 词：销售时序 噪声 迭代 支持向量机 预测 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]