您的位置： 专家智库 > >

尹亚锋

作品数：2 被引量：7H指数：1
供职机构：上海大学计算机工程与科学学院更多>>
发文基金：国家自然科学基金更多>>
相关领域：自动化与计算机技术经济管理更多>>

合作作者

文献类型

  • 1篇期刊文章
  • 1篇学位论文

领域

  • 2篇经济管理
  • 2篇自动化与计算...

主题

  • 2篇支持向量
  • 2篇支持向量机
  • 2篇神经网
  • 2篇神经网络
  • 2篇向量
  • 2篇向量机
  • 1篇遗传算法
  • 1篇支持向量机方...
  • 1篇智能技术
  • 1篇模糊神经
  • 1篇模糊神经网络
  • 1篇计算智能技术
  • 1篇供应链
  • 1篇供应链管理

机构

  • 2篇上海大学

作者

  • 2篇尹亚锋
  • 1篇刘悦
  • 1篇高峻峻
  • 1篇谭崇利

传媒

  • 1篇上海大学学报...

年份

  • 2篇2009
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
基于计算智能技术的需求预测方法研究
本文主要工作与创新点如下： (1)考虑到零售业需求预测问题的高维和小样本特性，提出了一种基于遗传算法特征选择的支持向量机需求预测方法WFSSVM(Wrapper FeatureSelection optimiz...
尹亚锋
关键词：供应链管理支持向量机模糊神经网络遗传算法
文献传递
一类产品需求预测的支持向量机方法被引量：7
2009年
需求预测是企业生产运营决策的基础,预测精度影响着产品的安全库存量,关系到企业利润和市场竞争力.建立了一类产品(包含多个品牌)基于支持向量机(support vector machine,SVM)的需求预测模型.在该预测模型中考虑了诸如季节性和促销等不确定性因子对产品最终需求的影响.模型的训练数据和测评数据采用的是由该类产品需求函数生成的数据.测试阶段的评价则是通过与其他统计模型(回归预测方法(REG)、双因素指数平滑法(DES)、Winter模型预测方法(WIN))和径向基神经网络模型(radial basis function neural network,RBFNN)的对比来实现的.实验结果表明,基于SVM的需求预测模型预测精度明显优于其他模型,有效地降低了产品安全库存量,提高了企业利润,为解决这类产品需求预测问题提供了一个有力的工具.
高峻峻谭崇利刘悦尹亚锋
关键词：支持向量机神经网络
全选 清除 导出
共1页<1>
聚类工具0