支持向量回归的颅内压时间系列无损估计方法

在对时间序列数据挖掘框架进行研究时发现:在利用线性映射函数刻画误差和特征间的关系时,不能获得对颅内压力信号的精确估计。为了提高对颅内压估计的精确性,本文采用支持向量回归构建存在于特征和误差间的非线性映射函数,实验结果表明:基于支持向量回归的非线性映射函数预测效果明显优于先前所采用的线性最小二乘法所构成的线性映射函数策略。

线性映射函数对无损颅内压估计的影响

提出了一种基于截断奇异值分解的线性映射函数颅内压无损估计方法。在基于时间序列的数据挖掘框架基础上,分别推导了基于总体最小二乘法的线性映射函数和基于截断奇异值分解法的线性映射函数,通过实验仿真比较证明:不同的线性映射函数对颅内压的预测确实有较为明显的影响,在所采用的方法中,基于截断奇异值分解法的线性映射函数效果明显优于基于总体最小二乘法的线性映射函数。因此,在该数据挖掘框架中,选择合适的线性映射函数对无损颅内压预测精确性的提高有着非常重要的意义。