-
题名基于SVR的混沌时间序列预测
被引量：12
- 1
-
-
作者
孙德山
吴今培
侯振挺
肖健华
-
机构
中南大学铁道校区科学研究所
五邑大学智能所
-
出处
《计算机工程与应用》
CSCD
北大核心
2004年第2期54-56,共3页
-
基金
广东省自然科学基金资助(编号:021349)
-
文摘
支持向量机是一种基于统计学习理论的新颖的机器学习方法,由于其出色的学习性能,该技术已成为当前国际机器学习界的研究热点。这种方法已广泛用于解决分类和回归问题。论文介绍了支持向量回归算法的各种版本,同时将它们应用到混沌时间序列预测中,并且比较了它们的预测性能,为实际应用合理选择模型提供一定的依据。
-
关键词
支持向量机
回归
混沌时间序列
核函敬
-
Keywords
support vector machines,regression,chaotic time series,kernel function
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名加权支持向量回归算法
被引量：5
- 2
-
-
作者
孙德山
吴今培
侯振挺
肖健华
-
机构
中南大学铁道校区科学研究所
五邑大学智能技术与系统研究所
-
出处
《计算机科学》
CSCD
北大核心
2003年第11期38-39,共2页
-
基金
广东自然科学基金(021349)
-
文摘
1引言
Vapnik等人根据统计学习理论提出的支持向量机学习方法[1],近年来受到了国际学术界的广泛重视.支持向量机的最大特点是根据Vapnik结构风险最小化原则,尽量提高学习机的泛化能力,即由有限的训练集样本得到的小的误差能够保证对独立的测试集仍然保持小的误差.
-
关键词
加权支持向量回归算法
人工智能
优化形式
模式识别
-
Keywords
Support vector machine, Regression, Kernel function, Heterogeneity of variance
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP301.6
[自动化与计算机技术—计算机系统结构]
-
