LS-SVM在混沌时间序列预测中的应用

• 作者: 吴今培 孙德山
• 来源期刊: 微机发展
• 学科: 工学
• 关键词: 最小二乘支持向量机 回归 混沌时间序列 核函数
• 年，卷（期）: 2004,（1）
• 所属期刊栏目: 智能与算法研究
• 页码范围: 21-22,25
• 页数: 3页
• 分类号: TP181|O415.5
• 字数: 2094字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2004.01.008

摘要

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,该方法已广泛用于解决分类和回归问题.文中将最小二乘支持向量机算法应用于混沌时间序列预测中,并同BP网络及RBF网络的预测结果进行了比较分析.仿真实验表明,该方法具有很好的泛化能力和一定的噪声容忍能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴今培	五邑大学智能技术与系统研究所	77	1677	23.0	38.0
2	孙德山	辽宁师范大学数学系	66	560	13.0	21.0