| LS—SVM在混沌时间序列预测中的应用 |
| |
| 引用本文： | 孙德山,吴今培.LS—SVM在混沌时间序列预测中的应用[J].微机发展,2004,14(1):21-22,25. |
| |
| 作者姓名： | 孙德山 吴今培 |
| |
| 作者单位： | [1]辽宁师范大学数学系，辽宁大连116029 [2]五邑大学智能技术与系统研究所，广东江门529020 |
| |
| 基金项目： | 广东省自然科学基金资助项目(021349) |
| |
| 摘 要： | 支持向量机是一种基于统计学习理论的新颖的机器学习方法，该方法已广泛用于解决分类和回归问题。文中将最小二乘支持向量机算法应用于混沌时间序列预测中，并同BP网络及RBF网络的预测结果进行了比较分析。仿真实验表明，该方法具有很好的泛化能力和一定的噪声容忍能力。
|
| 关 键 词： | 机器学习 支持向量机 LS-SVM 混沌时间序列预测 神经网络 |
| 文章编号： | 1005-3751(2004)01-0021-02 |
Application of LS-SVM to Prediction of Chaotic Time Series |
| |
| SUN De-shan,WU Jin-pei.Application of LS-SVM to Prediction of Chaotic Time Series[J].Microcomputer Development,2004,14(1):21-22,25. |
| |
| Authors: | SUN De-shan WU Jin-pei |
| |
| Affiliation: | SUN De-shan~1,WU Jin-pei~2 |
| |
| Abstract: | Support vector machines(SVM) are a kind of novel machine learning methods based on statistical learning theory, which have been developed for solving classification and regression problems. This paper applies Least Squares Support Vector Machine (LS-SVM) to chaotic time series prediction, and compares the prediction results with BP network and RBF network. The results of simulation experiments show that LS-SVM obtains a good generalization ability and capability of tolerating noise. |
| |
| Keywords: | LS-SVM regression chaotic time series kernel function |
| 本文献已被 CNKI 维普 等数据库收录！ |
