论文部分内容阅读
武器装备费用预测是武器装备费用分析的重要内容，预测分析的难点之一在于样本数据少，且样本数据具有复杂的非线性特点。充分利用支持向量机的结构风险最小化与粒子群算法快速全局优化的特点，采用粒子群算法快速优化支持向量机的模型参数;充分利用样本信息，模型中样本加权值的确定采用预测误差和样本相似度的样本加权方法，研究建立基于PSO-SVM与样本加权方法的武器装备费用预测模型，进一步提高模型预测效果。最后，通过实例验证了该方法的可行性，为武器装备费用预测提供了一种新思路。