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:
对近年来基于支持向量机的时间序列预测算法研究现状进行了综述.时间序列预测是一个极其富有挑战性的研究领域,具有广阔的应用前景,同时支持向量算法是有着巨大潜力的工具,必将在不久的将来在该领域取得突破性的进展.考察了支持向量算法中数据集和预处理、核函数、参数选定、预测评价指标以及支持向量算法总体框架的改进等几个方面研究状况,认为当今研究趋向于支持向量算法与各种人工智能算法的结合.
推荐文章
人口时间序列的支持向量机预测模型
人口预测
时间序列
支持向量机
模型
混沌时间序列的支持向量机预测
混沌时间序列
支持向量机
最小二乘法
基于支持向量机的复杂时间序列预测研究
时间序列预测
支持向量机
多尺度
数据挖掘
基于小波和支持向量机的多尺度时间序列预测
时间序列预测
小波
支持向量机
多尺度
数据挖掘
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 支持向量机与时间序列预测综述
来源期刊 计算机应用与软件 学科 工学
关键词 SVM 时间序列 预测
年,卷(期) 2010,(12) 所属期刊栏目
研究方向 页码范围 127-129,157
页数 分类号 TP3
字数 3764字 语种 中文
DOI 10.3969/j.issn.1000-386X.2010.12.040
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 徐晓钟 上海师范大学信息与机电工程学院 25 214 8.0 14.0
2 张益铭 2 29 2.0 2.0
3 王智庆 1 22 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (22)
同被引文献  (25)
二级引证文献  (37)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(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)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(9)
  • 引证文献(6)
  • 二级引证文献(3)
2014(5)
  • 引证文献(2)
  • 二级引证文献(3)
2015(5)
  • 引证文献(2)
  • 二级引证文献(3)
2016(7)
  • 引证文献(4)
  • 二级引证文献(3)
2017(8)
  • 引证文献(1)
  • 二级引证文献(7)
2018(12)
  • 引证文献(2)
  • 二级引证文献(10)
2019(6)
  • 引证文献(1)
  • 二级引证文献(5)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
SVM
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
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导