SVR在混沌时间序列预测中的应用

• 作者: 吴今培 孙德山 肖健华
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 支持向量机 支持向量回归 混沌时间序列 核函数
• 年，卷（期）: 2004,（3）
• 所属期刊栏目: 仿真技术应用
• 页码范围: 519-520,524
• 页数: 3页
• 分类号: TP18
• 字数: 2029字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-731X.2004.03.041

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.将支持向量回归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,支持向量回归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	肖健华	五邑大学智能技术与系统研究所	91	1162	18.0	30.0
2	吴今培	五邑大学智能技术与系统研究所	77	1677	23.0	38.0
3	孙德山	中南大学数学科学与计算技术学院	66	560	13.0	21.0