基于多尺度稀疏LSSVM的时间序列预测

• 作者: 肖强
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 多尺度稀疏最小二乘支持向量机 小波包分解 最小二乘支持向量机 金融时间序列 时间序列预测
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 117-120,124
• 分类号: TP311
• 字数: 3382字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2011.03.030

摘要

最小二乘支持向量机在提高了支持向量机的运算速度的同时,失去了解的稀疏性.构造的多尺度稀疏最小二乘支持向量机,首先通过小波包分解对于数据进行多尺度描述,同时采用最小二乘支持向量机的学习算法获得数据之间的尺度相关性,可以实现解的稀疏性和可解释性,从而实现了系统的多尺度分解、子系统建模与合成的一体化.通过在时间序列预测上的应用可以发现,此模型在获得稀疏解的同时,极大地提高了系统的性能.而且,可以获得输出结果在不同尺度上的贡献度,增加了系统的可解释性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖强		2	4	1.0	2.0