支持向量機集成研究及其在時間序列預測中的應用.pdf

1、混沌理論自提出到現在受到了越來越多的關注，其應用技術的研究也不斷深入?；煦鐣r間序列預測作為重要組成部分已經成為研究熱點，解決了軍事、經濟、氣象等領域的諸多問題。
　　基于統(tǒng)計學習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，在分類和回歸領域所體現出的良好性能，已經超過傳統(tǒng)機器學習算法。已經有一些學者將支持向量機用于混沌時間序列預測。本文結合混沌理論、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測。本文主要做了如下工作。
　　提出了一種選擇性線性加權組合策略。該策略在求解加權系數時，可歸結為一個凸優(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方法來求解這一優(yōu)化問題。
　　在上面策略的基礎上，我們構建了基于同構和異構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