KPCA-LSSVM方法在视频时间序列预测中应用

• 作者: 张观东 李军
• 来源期刊: 华侨大学学报（自然科学版）
• 关键词: 时间序列预测 交通流量 视频流量 核主成分分析 最小二乘支持向量机
• 年，卷（期）: 2018,（2）
• 页码范围: 281-285
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11830/ISSN.1000-5013.201708019

摘要

为提高时间序列预测精度及降低预测过程中的计算复杂度,提出一种基于核主成分分析(KPCA)与最小二乘支持向量机(LSSVM)相结合的预测方法.首先,将输入数据通过核方法映射至高维特征空间;然后,在特征空间上提取有效非线性主元;最终,通过LSSVM建立时间序列模型.为验证KPCA-LSSVM方法的有效性,将其应用于交通流及视频流预测中,在同等条件下,与单一的LSSVM及神经网络等预测方法进行比较.实验结果表明:基于KPCA-LSSVM建立的模型具有较好的推广性及较高的辨识精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李军	兰州交通大学自动化与电气工程学院	70	490	13.0	19.0
2	张观东	兰州交通大学自动化与电气工程学院	2	3	1.0	1.0