基于支持向量回归的混沌序列预测方法

• 作者: 姜长生 张冰 朱志宇
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 混沌序列 预测 支持向量机(SVM) 关联度
• 年，卷（期）: 2005,（6）
• 所属期刊栏目: 理论研究
• 页码范围: 57-61
• 页数: 5页
• 分类号: TP183|O212.1
• 字数: 4305字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-6753.2005.06.012

摘要

本文讨论了支持向量机(SVM)的回归算法,将SVM应用于混沌时间序列的预测,并与RBF网络的预测效果进行了比较,仿真结果表明,其预测精度和抗噪声能力要优于RBF网络;同时,采用关联度代替欧式距离,来确定相空间中的最邻近相点,提高了预测时的嵌入维数,从而提高了混沌预测的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜长生	南京航空航天大学自动化学院	380	3810	27.0	38.0
2	朱志宇	南京航空航天大学自动化学院	164	971	15.0	21.0
4	张冰	江苏科技大学电子信息学院	108	828	15.0	22.0