支持向量機集成研究及其在時間序列預(yù)測中的應(yīng)用.pdf

1、混沌理論自提出到現(xiàn)在受到了越來越多的關(guān)注，其應(yīng)用技術(shù)的研究也不斷深入。混沌時間序列預(yù)測作為重要組成部分已經(jīng)成為研究熱點，解決了軍事、經(jīng)濟、氣象等領(lǐng)域的諸多問題。
　　基于統(tǒng)計學(xué)習(xí)理論提出的支持向量機算法，具有全局優(yōu)化、魯棒性好、推廣能力強等優(yōu)點，在分類和回歸領(lǐng)域所體現(xiàn)出的良好性能，已經(jīng)超過傳統(tǒng)機器學(xué)習(xí)算法。已經(jīng)有一些學(xué)者將支持向量機用于混沌時間序列預(yù)測。本文結(jié)合混沌理論、支持向量機算法，研究基于支持向量機集成的混沌時間序列預(yù)測方法

2、，通過實驗表明所提出的方法能有效用于混沌時間序列預(yù)測。本文主要做了如下工作。
　　提出了一種選擇性線性加權(quán)組合策略。該策略在求解加權(quán)系數(shù)時，可歸結(jié)為一個凸優(yōu)化問題，此凸優(yōu)化問題與壓縮感知中稀疏信號重構(gòu)問題是一致的。因此，我們可以采用了目前較為流行的稀疏信號重構(gòu)方法來求解這一優(yōu)化問題。
　　在上面策略的基礎(chǔ)上，我們構(gòu)建了基于同構(gòu)和異構(gòu)支持向量機的集成算法。集成算法的多樣性由Bagging采樣，隨機選擇的支持向量機算法、隨機選擇