申请/专利权人:桂林电子科技大学
申请日:2023-03-20
公开(公告)日:2023-12-19
公开(公告)号:CN117251786A
主分类号:G06F18/2411
分类号:G06F18/2411;G06F18/27;G06F18/2113;G06N3/006;G06Q40/10
优先权:
专利状态码:在审-公开
法律状态:2023.12.19#公开
摘要:本发明公开了一种基于RFPCC融合WOA策略的税收预测模型,此方法能够针对支持向量机参数选择复杂以及多特征耦合导致的运算繁琐等问题,给出了一种融合随机森林RandomForest,RF和皮尔逊相关系数PearsonCorrelationCoefficient,PCC的指标筛选方法RFPCC。应用RFPCC方法对原始特征进行分析,选取对预测结果影响较大的特征,实现对原始特征的筛选与降维。采用鲸鱼优化算法WhaleOptimizationAlgorithm,WOA确定最小二乘支持向量机回归LeastSquaresSupportVectorRegression,LSSVR模型的两个超参数,提高模型预测精度RFPCC‑WOA‑LSSVR。与传统预测模型相比,在此新预测模型中,预测精度更佳。
主权项:1.基于RFPCC融合WOA策略的税收预测模型,包括步骤:步骤一,融合随机森林RandomForest,RF和皮尔逊相关系数PearsonCorrelationCoefficient,PCC的指标筛选方法RFPCC;步骤二,初始化最小二乘支持向量机回归模型LeastSquaresSupportVectorRegression,LSSVR的参数。步骤三,采用鲸鱼优化算法WhaleOptimizationAlgorithm,WOA确定LSSVR模型的两个超参数;步骤四,通过数据训练得出的模型对新数据进行预测。
全文数据:
权利要求:
百度查询: 桂林电子科技大学 基于RFPCC融合WOA策略的税收预测模型
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。