基于SVR的混沌时间序列预测

被引：11

作者：

孙德山

吴今培

侯振挺

肖健华

不详

机构：

[1] 中南大学铁道校区科学研究所

[2] 五邑大学智能所

[3] 五邑大学智能所长沙

[4] 辽宁师范大学数学系

[5] 大连

[6] 广东江门

[7] 长沙

[8] 广东江门

来源：

基金：

广东省自然科学基金;

关键词：

支持向量机; 回归; 混沌时间序列; 核函数;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

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,由于其出色的学习性能,该技术已成为当前国际机器学习界的研究热点。这种方法已广泛用于解决分类和回归问题。论文介绍了支持向量回归算法的各种版本,同时将它们应用到混沌时间序列预测中,并且比较了它们的预测性能,为实际应用合理选择模型提供一定的依据。

引用

页码：54 / 56

页数：3