| 状态时间序列预测的贝叶斯最小二乘支持向量机方法 |
| |
| 引用本文： | 张弦,王宏力,张金生,孙渊.状态时间序列预测的贝叶斯最小二乘支持向量机方法[J].西安交通大学学报,2010,44(10). |
| |
| 作者姓名： | 张弦 王宏力 张金生 孙渊 |
| |
| 作者单位： | 1. 第二炮兵工程学院自动控制工程系,710025,西安
2. 第二炮兵工程学院精确制导与仿真实验室,710025,西安 |
| |
| 基金项目： | 国家自然科学基金资助项目 |
| |
| 摘 要： | 为实现对电子系统状态时间序列的有效预测,提出一种基于贝叶斯证据框架的最小二乘支持向量机在线预测方法.该方法以逐次增加最新状态数据并剔除最旧状态数据的方式更新最小二乘支持向量机预测模型,利用分块矩阵求逆运算简化了新旧状态数据交替增减所带来的预测模型重训问题,通过贝叶斯证据框架实现预测模型超参数的在线动态优化.应用于雷达发射机中高压电源与多注速调管的状态时间序列预测实例表明,该方法的预测精度与计算效率比自适应灰色模型方法分别高9.52%与73.26%,具有预测精度高、预测稳定性高与计算效率高的优点,适用于电子系统在线状态时间序列预测.
|
| 关 键 词： | 最小二乘支持向量机 贝叶斯证据框架 电子系统 雷达发射机 状态时间序列预测 |
A Least Squares Support Vector Machine for Condition Time Series Prediction Based on Bayesian Evidence Framework |
| |
| ZHANG Xian,WANG Hongli,ZHANG Jinsheng,SUN Yuan.A Least Squares Support Vector Machine for Condition Time Series Prediction Based on Bayesian Evidence Framework[J].Journal of Xi'an Jiaotong University,2010,44(10). |
| |
| Authors: | ZHANG Xian WANG Hongli ZHANG Jinsheng SUN Yuan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
