期刊文献+

SVR在混沌时间序列预测中的应用 被引量:20

The Application of SVR to Prediction of Chaotic Time Series
下载PDF
导出
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,该方法已广泛用于解决分类和回归问题。将支持向量回归算法应用于混沌时间序列预测中,并同BP网络及RBF网络的预测结果进行了比较分析。仿真实验表明,支持向量回归方法具有很好的泛化能力和一定的噪声容忍能力。 Support vector machines (SVM) are a kind of novel machine learning methods based on statistical learning theory, which has been developed to solve classification and regression problems. This paper applies support vector regression (SVR) to chaotic time series prediction, and compares the prediction results with BP network and RBF network. The results of simulation experiments show that SVR has a good generalization ability and capability of tolerating noise.
出处 《系统仿真学报》 CAS CSCD 2004年第3期519-520,524,共3页 Journal of System Simulation
基金 广东省自然科学基金(021349)
关键词 支持向量机 支持向量回归 混沌时间序列 核函数 support vector machines support vector regression chaotic time series kernel function
  • 相关文献

参考文献1

  • 1HolgerKantz.非线性时间序列分析 [M].北京:清华大学出版社,2000.42-47.

同被引文献178

引证文献20

二级引证文献176

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部