| 基于缩减策略的混沌时间序列LSSVM预测模型 |
| |
| 引用本文： | 熊胜华,周翠英.基于缩减策略的混沌时间序列LSSVM预测模型[J].中山大学学报(自然科学版),2011,50(1). |
| |
| 作者姓名： | 熊胜华 周翠英 |
| |
| 作者单位： | 中山大学工学院,广东,广州,510275 |
| |
| 基金项目： | 国家自然科学基金重点资助项目，国家自然科学基金面上资助项目，国家863高技术计划资助项目，教育部博士学科点基金资助项目，广东省自然科学基金重点资助项目，广东省科技计划资助项目，广东省高层次人才计划项目，广州市科技支撑计划项目，中山大学后备重点课题 |
| |
| 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拉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。
|
| 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 |
| 收稿时间： | 2009-12-19; |
LSSVM Prediction Model for Chaotic Time Series Based on Reduction Strategy |
| |
| XIONG Shenghua,ZHOU Cuiying.LSSVM Prediction Model for Chaotic Time Series Based on Reduction Strategy[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2011,50(1). |
| |
| Authors: | XIONG Shenghua ZHOU Cuiying |
| |
| Institution: | XIONG Shenghua,ZHOU Cuiying(School of Engineering,Sun Yat-sen University,Guangzhou 510275,China) |
| |
| Abstract: | As chaotic time series are large,least squares support vector machines(LSSVM) have disadvantages of bigger memory spending and slower training speed on prediction.According to data characteristic of large chaotic time series,it adopts ideas of data sets partition and data correlation coefficient to propose a LSSVM prediction model for large chaotic time series based on new reduction strategy.The model partitions large chaotic time series is split up into several different subsets based on the mean cycle of ... |
| |
| Keywords: | chaotic time series least squares support vector machines reduction strategy correlation coefficient data sets partition |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《中山大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《中山大学学报(自然科学版)》下载免费的PDF全文 |
