基于LS-SVM算法的混沌时序递推预测

• 作者: 欧阳中辉 王建国 王昌金 王永生
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 混沌 时间序列 预测 最小二乘支持向量机
• 年，卷（期）: 2009,（26）
• 所属期刊栏目: 数据库、信息处理
• 页码范围: 114-117
• 页数: 4页
• 分类号: TP391
• 字数: 4143字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009.26.034

摘要

研究利用最小二乘支持向量机(LS-SvM)预测变参数混沌时间序列.支持向量机方法是基于结构风险最小化原理导出的,最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的支持向量机,保留支持向量机优点的同时计算量大大减少.变参数混沌时间序列预测是典型的小样本学习问题,由于参数的慢变导致系统的动力学特性不断发生变化,全局建模预测方法很难适用,必须在线实时预测.为了快速跟踪预测变参数混沌系统的时间序列,研究了利用一种简化的最小二乘支持向量机在线递推算法进行预测.最后对典型变参数混沌时间序列的预测实验结果表明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王永生	海军航空工程学院兵器科学与技术系	37	276	9.0	15.0
2	王昌金	海军航空工程学院兵器科学与技术系	31	215	7.0	13.0
3	欧阳中辉	海军航空工程学院兵器科学与技术系	65	262	8.0	12.0
4	王建国	海军航空工程学院兵器科学与技术系	21	93	6.0	8.0