基于LS-SVM的装备需求时间序列预测

• 作者: 刘文法 张建邦 王旭
• 来源期刊: 弹箭与制导学报
• 关键词: 支持向量机 时间序列 混沌 相空间 嵌入维数
• 年，卷（期）: 2006,（1）
• 所属期刊栏目: 相关技术5
• 页码范围: 780-783
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1673-9728.2006.01.248

摘要

支持向量机 (SVM)是一种基于结构风险最小化原理的学习技术,是一种新的具有很好泛化性能的数据挖掘工具.文中在最小二乘支持向量机(LS-SVM)回归算法的基础上,引入了混沌理论时间序列理论的相空间和嵌入维数概念,建立了LS-SVM时间序列预测模型,并应用于武器装备需求预测,预测结果证实了该模型和方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王旭	空军工程大学工程学院	63	288	8.0	13.0
2	张建邦	空军工程大学工程学院	17	93	5.0	9.0
3	刘文法	空军工程大学工程学院	12	85	6.0	8.0