基于多重核学习支持向量回归的混沌时间序列预测

• 作者: 张军峰 胡寿松
• 来源期刊: 物理学报
• 学科: 物理学
• 关键词: 混沌时间序列 支持向量机 多重核学习 优化
• 年，卷（期）: 2008,（5）
• 所属期刊栏目: 总论
• 页码范围: 2708-2713
• 页数: 6页
• 分类号: O4
• 字数: 3874字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-3290.2008.05.015

摘要

鉴于标准支持向量回归应用于混沌时间序列预测时经常会遇到诸如核函数及其参数难以确定的问题,提出了多重核支持向量回归的方法.通过在混合核空间求解二次约束下的二次规划问题,实现多重核支持向量回归算法.该算法不仅可以减少支持向量的个数,而且能够提高预测性能.最后将该方法运用到Lorenz, Henon和Mackey-Glass混沌时间序列预测,仿真结果表明该方法能够有效地提高预测精度,增强预测模型的泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡寿松	南京航空航天大学自动化学院	185	3001	28.0	46.0
2	张军峰	南京航空航天大学自动化学院	52	390	9.0	18.0