基于改进的SVMR的混沌时间序列预测

摘要：

针对标准支持向量机处理大规模数据集会出现训练速度慢、计算量大的缺点,提出了一种基于二叉树模型的支持向量机回归方法.通过二叉树模型将大样本数据集自适应分解成若干个子集,利用支持向量机分段提出支持向量,再把这些支持向量汇合成一个训练样本集进行训练产生决策函数,并将其应用到混沌时间序列的预测.与标准算法相比,该方法在保证泛化精度一致的前提下,极大地加快了训练速度.

关键词： 二叉树模型 支持向量机回归 混沌时间序列 训练速度

作者: 郭振凯 宋召青 毛剑琴

作者单位: 北京航空航天大学,第七研究室,北京,100083 海军航空工程学院,控制工程系,山东,烟台,264001

会议类型: 国内会议

会议名称: 第19届中国过程控制会议

会议地点: 北京

会议语种:中文

页码: 385-388

在线出版日期: 2008-07-22（万方平台首次上网日期，不代表论文的发表时间）