基于改进的SVR算法上的混沌时间序列预测

下载PDF

导出

摘要文章基于模糊逻辑系统和标准SVR相似性,提出一种基于模糊规则上的支撑向量机。利用模糊逻辑系统参数的物理现实性选择合适方法进行参数初始化,对标准SVR算法进行了改进,并将此算法应用于混沌时间序列的预测。仿真实验证明了这种基于模糊规则上的支撑向量机模型的算法的收敛性。

作者操敏王士同赵献兵

机构地区复旦大学社会发展与公共政策学院江南大学信息工程学院中信建投证券研究所

出处《统计与决策》 CSSCI 北大核心 2008年第6期30-32,共3页 Statistics & Decision

关键词模糊逻辑系统 SVR 参数初始化

参考文献5

1Vapnik .V.N. The Nature of Statistical Learning Theory[M].New York :Springer Verlag, 1995.
2S. Wang. Neural-Fuzzy Systems and their Applieations[M].Beijing: Publishing House of Beijing Aeronautical University, 1998.
3朱嘉钢,王士同,杨静宇.鲁棒r-支持向量回归机中参数r的选择研究[J].控制与决策,2004,19(12):1383-1386. 被引量：12
4李青,焦李成,周伟达.基于向量投影的支撑向量预选取[J].计算机学报,2005,28(2):145-152. 被引量：37
5孙德山,吴今培,肖健华.基于线性规划支持向量回归的混沌系统预测[J].计算机工程与应用,2005,41(19):35-37. 被引量：2

1Osuna Edgar, Freund Robert, Girosi Federico. An improved training algorithm for support vector machines. In: Proceedings of IEEE NNSP'97, Amelia Island.,FL., 1997, 24～26.
2Smola A. Regression estimation with support vector learning machines[M.S. dissertation]. Technology University of Mumchen, 1996.
3Burges C.J.C. A tutorial on support vector machines for pattern recognition. Data Mining and Knowledge Discovery, 1998, 2(2): 1～47.
4Vapnik V.N. An overview of statistical learning theory. IEEE Transactions on Neural Network, 1999, 10(5): 988～999.
5张学工译.统计学习理论的本质[M].北京：清华大学出版社,2000..
6Cristianini N, Shawe-Taylor J. An Introduction to Support Vector Machines[M]. Cambridge: Cambridge University Press, 2000.
7Vapnik V. Statistical Learning Theory [M]. New York: Wiley, 1998.
8Vladimir Cherkassky, Yunqian Ma. Practical selection of SVM parameters and noise estimation for SVM regression[J]. Neural Networks, 2003,17 (1) : 113-126.
9Smola A J, Scholkopf B. A tutotial on support vector regression[R]. London: University of London, 1998.
10Law M H, Kwok J T. Bayesian support vector regression [A]. Proc of the English Int Workshop on Artificial Intelligence and Statistics[C]. Florida: Key West,2001. 239-244.

统计与决策

2008年第6期

内容加载中请稍等...