搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

最小二乘支持向量域的混沌时间序列预测

任 韧 徐 进 朱世华

最小二乘支持向量域的混沌时间序列预测

任 韧, 徐 进, 朱世华
PDF
导出引用
计量
  • 文章访问数:  3553
  • PDF下载量:  1351
  • 被引次数: 0
出版历程
  • 收稿日期:  2005-05-17
  • 修回日期:  2005-06-13
  • 刊出日期:  2006-01-05

最小二乘支持向量域的混沌时间序列预测

  • 1. 西安交通大学电子与信息工程学院,710049
    基金项目: 

    国家自然科学基金(批准号:60372055,30400101)资助的课题.

摘要: 从支持向量域SVD(Support Vector Domain)出发,根据Takens延时相空间重构思想,利用支持向量机非线性映射,建立了混沌时间序列和混沌非线性相轨迹运动的SVD预测模型.采用数据集作为支持对象元素,机器自学习缩小模型泛化误差的上界,利用最小二乘支持向量域(SVD),预测了Henon/Lorenz/Rossler三种混沌时间序列.预测结果表明,三种预测模型将集合映射到一个更高维特征空间,通过嵌入维数,实现了序列预测,误差随嵌入维数变化趋于恒定,与支持向量机(SVM)相比,SVD所需支持向量少,收敛速度快,鲁棒性强,核函数选择容易灵活,且存在自适应方法.网格点数提高了10—20倍,序列预测在小样本、非线性、未知概率密度条件下,预测和实际值取得了一致.

English Abstract

目录

    /

    返回文章
    返回