PSO SVM粒子算法优化的支持向量机,pso粒子群优化算法,matlab源码

国际碳金融市场价格预测是制定碳金融市场政策和提高风险管理能力的基础。近年来国际碳市场价格呈现出非平稳、非线性等不规律特性，传统应用于社会经济时间序列的统计模型已经越来越难以满足日渐复杂的社会经济系统的需要。基于此本文建立了基于经验模态分解(EMD)-粒子群算法(PSO)-支持向量机(SVM)的国际碳金融市场价格误差校正预测模型。数据选取2008年3月-2013年9月ICE碳排放期货交易所的CER期货(DEC12)和EUA期货(DEC12)的日交易结算价格作为考察样本进行仿真验证。结果显示：①引入EMD方法

参考学习

MATLAB实现PSO-SVM粒子群算法优化支持向量机多特征分类预测（完整源码和数据） 数据为多特征分类数据，输入15个特征，分四类,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。

基于PSO-SVM粒子群优化支持向量机的数据分类预测（Matlab完整程序和数据） 输入多个特征，分四类。 基于PSO-SVM粒子群优化支持向量机的数据分类预测（Matlab完整程序和数据） 输入多个特征，分四类。 基于PSO-SVM粒子群优化支持向量机的数据分类预测（Matlab完整程序和数据） 输入多个特征，分四类。

MATLAB实现PSO-SVM粒子群优化支持向量机时间序列预测，Matlab完整程序和数据 数据为单变量时间序列数据，含粒子群优化前后的对比，预测对象为股票价格。

pso-svm python 代码 基于粒子群算法优化支持向量机

SVM、PSO、PSO-SVM的三种MATLAB短期电力负荷预测源代码，内含资料。

使用PSO优化SVR支持向量机模型的代码，有详细的输出及输出，以及代码说明

利用粒子群优化算法来寻找svm中的最有参数，达到最优解