LS-SVM的一种参数优选方法及混沌时间序列预测 |
| |
引用本文: | 王海龙,周辉仁,宗蕴,刘春霞.LS-SVM的一种参数优选方法及混沌时间序列预测[J].统计与决策,2009(1). |
| |
作者姓名: | 王海龙 周辉仁 宗蕴 刘春霞 |
| |
作者单位: | 1. 天津大学系统工程研究所,天津,300072 2. 天津大学系统工程研究所,天津,300072;济南热电有限公司,济南,250100 3. 济南热电有限公司,济南,250100 |
| |
摘 要: | 支持向量机是一种新型的学习方法,该方法以结构风险最小化原则取代传统机器学习中的经验风险最小化原则,在小样本的机器学习中显示出了优异的性能.文章提出适当的验证性能指标用遗传算法优化最小二乘支持向量机的有关参数,并进行时间序列预测.通过对混沌时间序列的预测及和神经网络预测的比较证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的.
|
关 键 词: | 最小二乘支持向量机 遗传算法 参数优化 混沌时间序列预测 |
本文献已被 万方数据 等数据库收录! |
|