基于缩减策略的混沌时间序列LSSVM预测模型

• 作者: 周翠英 熊胜华
• 来源期刊: 中山大学学报（自然科学版）
• 学科: 工学
• 关键词: 混沌时间序列 最小二乘支持向量机 缩减策略 相关系数 样本集分割
• 年，卷（期）: 2011,（1）
• 页码范围: 53-57,63
• 分类号: TD853.34
• 字数: 4246字
• 语种: 中文

摘要

由于混沌时间序列具有样本大等特点,使用最小二乘支持向量机(LSSVM)建立其预测模型具有内存开销大、训练速度慢等缺点,因此,在混沌序列数据特性的基础上,利用样本集分割与样本相关性的思想,提出一种基于缩减策略的混沌时间序列LSSVM预测模型.该模型利用混沌时间序列的平均周期将大样本数据分解成不同的子集,把最后一个子集之外的其他子集利用托格朗日乘子的值缩减一部分非支持向量,将缩减后样本与最后一个子集合并,利用相关系数缩减法缩减合并后的样本集,并利用最小二乘支持向量机进行回归预测.最后通过相关实验,验证了本模型在基本不损失预测精度的基础上具有较快的计算速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周翠英	中山大学工学院	112	2489	23.0	48.0
2	熊胜华	中山大学工学院	1	2	1.0	1.0