科研之友
微信
新浪微博
Facebook
分享链接
摘要
为实现高精度的失业预警和为劳动保障部门进行失业预警提供理论参考和方法依据,从市场维度、职业维度、企业维度、行业维度、区域维度和群体维度等6个维度构建出一套失业预警指标体系,并针对支持向量机模型性能受惩罚参数和核参数的影响,运用共生生物搜索算法对SVM模型参数进行优化选择,建立基于多指标和SOS-SVM的失业预警模型。与PSO-SVM和SVM对比发现,SOS-SVM进行失业预警具有更高的准确率。
- 单位
为实现高精度的失业预警和为劳动保障部门进行失业预警提供理论参考和方法依据,从市场维度、职业维度、企业维度、行业维度、区域维度和群体维度等6个维度构建出一套失业预警指标体系,并针对支持向量机模型性能受惩罚参数和核参数的影响,运用共生生物搜索算法对SVM模型参数进行优化选择,建立基于多指标和SOS-SVM的失业预警模型。与PSO-SVM和SVM对比发现,SOS-SVM进行失业预警具有更高的准确率。
