局域支持向量回歸及其在時空混沌序列預測中的應用.pdf

1、腦電信號是大腦組織活動和大腦功能狀態(tài)的綜合反映,是一種相當復雜的信號,它是人們了解大腦活動的一扇窗口。腦電圖(EEG)是腦電信號在大腦皮層或頭皮表面的總體反映。實際上腦電信號具有混沌的特性,即腦電信號是一種非線性的混沌時間序列。工程上可以應用混沌理論的方法對腦電信號進行分析。從而對大腦活動及一些疾病診斷和預測提供了一個輔助手段。
　　近年來,由于混沌理論和應用技術(shù)研究不斷深入,混沌時間序列分析及預測己成為混沌信號處理研究領域的前沿

2、研究熱點,并且能夠解決工程實踐中遇到難以用線性信號處理方法解決的大量非線性信號處理問題。其中,Vapnik等人根據(jù)統(tǒng)計學習理論提出了支持向量機學習方法,已經(jīng)廣泛應用于建模解決分類和回歸預測問題。支持向量機最大的特點是改變了傳統(tǒng)的經(jīng)驗風險最小化原則。它是針對結(jié)構(gòu)風險最小化原則提出的一種學習機。因此具有泛化性能好,全局最優(yōu)及稀疏解等特點,近年來受到國際學術(shù)界的廣泛研究和重視。
　　本文主要圍繞時空混沌序列的局域支持向量回歸(Suppo

3、rt Vector Regression, SVR)法預測和分布式支持向量回歸(SVR)法預測,以及這兩種方法在腦電預測中的應用展開研究。本文的主要內(nèi)容包括:(1)局域(SVR)預測法及其在腦電中的應用;(2)K-means聚類算法中的獎懲競爭算法(Rival Penalized Competitive Learning,RPCL)及其改進算法;(3)分布式SVR及其在腦電預測中的應用。文章的主要工作包括:
　　(1)闡述混沌及時

4、空混沌的定義及特點。提出對于具有混沌特性的腦電,可以用支持向量機方法對其進行建?；貧w預測。
　　(2)闡述了統(tǒng)計學習理論和支持向量機理論。概述了現(xiàn)有的支持向量機的研究現(xiàn)狀及其訓練算法。為了提高支持向量機在大樣本情況下訓練遇到的困難,引入了局域法支持向量機。相對于全局支持向量機,局域支持向量機預測誤差較小,且訓練速度快。
　　(3)基于局域法的觀點,提出了分布式的支持向量回歸(SVR)。改進RCPL聚類算法,并把它應用到分布式