基于改进的SVMR的混沌时间序列预测
来源期刊：控制工程2008年第4期
论文作者：郭振凯 宋召青 毛剑琴
文章页码：385 - 388
关键词：二叉树模型;大样本;支持向量机回归;混沌时间序列;
摘 要：针对标准支持向量机处理大规模数据集会出现训练速度慢、计算量大的缺点,提出了一种基于二叉树模型的支持向量机回归方法。通过二叉树模型将大样本数据集自适应分解成若干个子集,利用支持向量机分段提出支持向量,再把这些支持向量汇合成一个训练样本集进行训练产生决策函数,并将其应用到混沌时间序列的预测。与标准算法相比,该方法在保证泛化精度一致的前提下,极大地加快了训练速度。
郭振凯1，宋召青2，毛剑琴1
1. 北京航空航天大学第七研究室2. 海军航空工程学院控制工程系
摘 要：针对标准支持向量机处理大规模数据集会出现训练速度慢、计算量大的缺点,提出了一种基于二叉树模型的支持向量机回归方法。通过二叉树模型将大样本数据集自适应分解成若干个子集,利用支持向量机分段提出支持向量,再把这些支持向量汇合成一个训练样本集进行训练产生决策函数,并将其应用到混沌时间序列的预测。与标准算法相比,该方法在保证泛化精度一致的前提下,极大地加快了训练速度。
关键词：二叉树模型;大样本;支持向量机回归;混沌时间序列;
