基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对在线支持向量同归(online support vector regression,online SVR)算法进行复杂时间序列精确预测时效率较低的问题,提出一种改进减量训练策略的快速预测方法,通过对非支持向量样本的采样选择,采取加速减量训练实现对在线训练数据集规模的缩减,从而达到快速在线训练和预测的目的.将该算法应用于黑龙江移动通信话务量数据的预测中,实验结果表明,在保持Online SVR预测精度的条件下,算法执行效率得到大幅提高.
推荐文章
一种新的快速支持向量回归算法
二次规划
支持向量回归
连续过松弛
基于聚类算法的支持向量回归建模的新策略
自组织特征映射
k均值
聚类算法
加权
支持向量回归
基于减量学习的鲁棒稀疏最小二乘支持向量回归机
最小二乘支持向量回归机
鲁棒性
稀疏性
鲁棒'3σ'准则
留一误差
减量学习
基于支持向量回归的光度配准算法
支持向量机
图像
配准
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 采用加速减量策略的快速在线支持向量回归算法
来源期刊 电子测量与仪器学报 学科 工学
关键词 移动通信 话务量预测 在线支持向量回归 减量算法 快速时间序列预测
年,卷(期) 2009,(12) 所属期刊栏目 学术论文
研究方向 页码范围 27-32
页数 6页 分类号 TP391
字数 4924字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 彭喜元 哈尔滨工业大学自动化测试与控制研究所 106 2018 25.0 40.0
2 陈强 22 102 5.0 9.0
3 刘大同 哈尔滨工业大学自动化测试与控制研究所 23 924 11.0 23.0
4 于江 8 63 4.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (67)
共引文献  (21)
参考文献  (7)
节点文献
引证文献  (9)
同被引文献  (37)
二级引证文献  (137)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(8)
  • 参考文献(1)
  • 二级参考文献(7)
2004(6)
  • 参考文献(1)
  • 二级参考文献(5)
2005(7)
  • 参考文献(1)
  • 二级参考文献(6)
2006(16)
  • 参考文献(0)
  • 二级参考文献(16)
2007(17)
  • 参考文献(2)
  • 二级参考文献(15)
2008(6)
  • 参考文献(2)
  • 二级参考文献(4)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(5)
  • 引证文献(3)
  • 二级引证文献(2)
2011(21)
  • 引证文献(4)
  • 二级引证文献(17)
2012(25)
  • 引证文献(0)
  • 二级引证文献(25)
2013(25)
  • 引证文献(0)
  • 二级引证文献(25)
2014(21)
  • 引证文献(2)
  • 二级引证文献(19)
2015(10)
  • 引证文献(0)
  • 二级引证文献(10)
2016(11)
  • 引证文献(0)
  • 二级引证文献(11)
2017(8)
  • 引证文献(0)
  • 二级引证文献(8)
2018(6)
  • 引证文献(0)
  • 二级引证文献(6)
2019(12)
  • 引证文献(0)
  • 二级引证文献(12)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
移动通信
话务量预测
在线支持向量回归
减量算法
快速时间序列预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子测量与仪器学报
月刊
1000-7105
11-2488/TN
大16开
北京市东城区北河沿大街79号
80-403
1987
chi
出版文献量(篇)
4663
总下载数(次)
23
总被引数(次)
44770
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导