应用科学学报
應用科學學報
응용과학학보
JOURNAL OF APPLIED SCIENCES
2013年
4期
411-417
,共7页
混沌时间序列%在线预测%最优样本子集%模糊逻辑%支持向量机
混沌時間序列%在線預測%最優樣本子集%模糊邏輯%支持嚮量機
혼돈시간서렬%재선예측%최우양본자집%모호라집%지지향량궤
chaotic time series%online prediction%optimal training subset%fuzzy-logic%support vector machine(SVM)
提出一种基于最优样本子集的在线模糊最小二乘支持向量机(least squares support vector machine,LSSVM)混沌时间序列预测方法.算法选择与预测样本时间上以及欧氏距离最近的样本点构成最优样本子集,并采用ε不敏感函数对其进行模糊化处理,通过模糊LSSVM训练获得预测模型.随着时间窗口的滑动,最优样本子集和预测模型实时更新,模型更新采用分块矩阵方法降低运算复杂度.实验中对时变Ikeda序列进行预测,表明所提出的方法与离线和在线LSSVM相比,训练速度更快,预测精度更高.
提齣一種基于最優樣本子集的在線模糊最小二乘支持嚮量機(least squares support vector machine,LSSVM)混沌時間序列預測方法.算法選擇與預測樣本時間上以及歐氏距離最近的樣本點構成最優樣本子集,併採用ε不敏感函數對其進行模糊化處理,通過模糊LSSVM訓練穫得預測模型.隨著時間窗口的滑動,最優樣本子集和預測模型實時更新,模型更新採用分塊矩陣方法降低運算複雜度.實驗中對時變Ikeda序列進行預測,錶明所提齣的方法與離線和在線LSSVM相比,訓練速度更快,預測精度更高.
제출일충기우최우양본자집적재선모호최소이승지지향량궤(least squares support vector machine,LSSVM)혼돈시간서렬예측방법.산법선택여예측양본시간상이급구씨거리최근적양본점구성최우양본자집,병채용ε불민감함수대기진행모호화처리,통과모호LSSVM훈련획득예측모형.수착시간창구적활동,최우양본자집화예측모형실시경신,모형경신채용분괴구진방법강저운산복잡도.실험중대시변Ikeda서렬진행예측,표명소제출적방법여리선화재선LSSVM상비,훈련속도경쾌,예측정도경고.