控制与决策
控製與決策
공제여결책
CONTROL AND DECISION
2006年
5期
585-588
,共4页
张旭东%陈锋%高隽%方廷健
張旭東%陳鋒%高雋%方廷健
장욱동%진봉%고준%방정건
稀疏贝叶斯%支持向量机%非线性预测%RBF神经网络
稀疏貝葉斯%支持嚮量機%非線性預測%RBF神經網絡
희소패협사%지지향량궤%비선성예측%RBF신경망락
阐述了稀疏贝叶斯方法在时间序列预测中应用的理论基础,将稀疏贝叶斯方法应用于Logistic方程产生的混沌时间序列和发动机油滑数据的预测,并与支持向量机(SVM)和RBF神经网络时间序列预测进行了比较.实验结果表明,稀疏贝叶斯方法不仅具有SVM的性能,而且比SVM使用更少的核函数,取得了较好的预测效果.
闡述瞭稀疏貝葉斯方法在時間序列預測中應用的理論基礎,將稀疏貝葉斯方法應用于Logistic方程產生的混沌時間序列和髮動機油滑數據的預測,併與支持嚮量機(SVM)和RBF神經網絡時間序列預測進行瞭比較.實驗結果錶明,稀疏貝葉斯方法不僅具有SVM的性能,而且比SVM使用更少的覈函數,取得瞭較好的預測效果.
천술료희소패협사방법재시간서렬예측중응용적이론기출,장희소패협사방법응용우Logistic방정산생적혼돈시간서렬화발동궤유활수거적예측,병여지지향량궤(SVM)화RBF신경망락시간서렬예측진행료비교.실험결과표명,희소패협사방법불부구유SVM적성능,이차비SVM사용경소적핵함수,취득료교호적예측효과.
