新型SVM对时间序列预测研究

被引：10

作者：

朱家元

段宝君

张恒喜

机构：

[1] 空军工程大学工程学院飞机与发动机工程系

[2] 空军工程大学工程学院飞机与发动机工程系西安

[3] 西安

[4] 西安

来源：

计算机科学 | 2003年 / 08期

关键词：

Machine learning; Support vector machines; Statistical learning theory; Neural net works; Time series prediction;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

<正> 1 引言时间序列预测在工程、经济、工业制造、金融和管理等许多领域有着广泛而重要的应用价值。国内外许多学者采用了各种方法进行时间序列预测研究。近年来,神经网络在模式识别、决策和控制等领域得到了广泛的应用。一些学者采用了神经网方法对时间序列预测进行了分析。文[1～4]分别探讨了BP网络、Hebbian网络、源分配网络和模糊神经网络在时间序列预测中的应用问题。但是神经网络受网络结构复杂性和样本复杂性的影响较大,有时会出现过学习或低泛化能力现象,影响预测精度和收敛速度。 Vapnik在1995提出一种新型统计学习方法一支持向量机(SVMs,Support Vector Machines),支持向量机具有完备

引用

页码：124 / 125

页数：2