文章利用支持向量机进行财务危机模型类别化设定及样本类别化训练，获得基于SVM的财务危机 在风险程度差异化基础上的检验样本，由对应的检验样本形成分类别预警。研究基于风险预测类别化的线性 转化获得各类型层的训练样本支持向量，并向样本集进行基于遗传算法粗糙集属性约简的决策知识表达系统 预测层级化处理和最小二乘SVM（LS-SVM）的财务危机预测-Using genetic algorithm and support vector machine for financial analysis

经验模态分解（Empirical Mode Decomposition，简称EMD))方法被认为是2000年来以傅立叶变换为基础的线性和稳态频谱分析的一个重大突破?，该方法是依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。 该方法的关键是经验模式分解，它能使复杂信号分解为有限个本征模函数（Intrinsic Mode Function，简称IMF），所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。经验模态分解法能使非平稳数据进行平稳化