w20060216最小二乘支持向量域的混沌时间序列预测资料.pdf

第 卷 第 期 年 月 物 理 学 报 )) $ $* $ ， ， ， ,0B )) P0 $ Q3R1.61S $* （ ） !E$($*)) $ )))E( KL9K M=N+OLK +OPOLK !$* LT78 MTS; +04 最小二乘支持向量域的混沌时间序列预测 ）） ） ） ! # $ ! 任 韧 徐 进 朱世华 ）（西安交通大学电子与信息工程学院， 西安） ! %!’( ）（西安交通大学生医所， 西安） $ %!’( ）（西安交通大学理学院， 西安） %!’( （ 年 月 日收到； 年 月 日收到修改稿） $) ) !% $) * ! 从支持向量域 （ ）出发，根据 延时相空间重构思想，利用支持向量机非线性映 +,- +.//012 ,34201 -05678 96:38; 射，建立了混沌时间序列和混沌非线性相轨迹运动的 预测模型 采用数据集作为支持对象元素，机器自学习缩 +,- 小模型泛化误差的上界，利用最小二乘支持向量域（ ），预测了 三种混沌时间序列 预测结 +,- =3808 ?0138@ A0;;B31 果表明，三种预测模型将集合映射到一个更高维特征空间，通过嵌入维数，实现了序列预测，误差随嵌入维数变化 趋于恒定，与支持向量机（ ）相比， 所需支持向量少，收敛速度快，鲁棒性强，核函数选择容易灵活，且存在自适 +,C +,- 应方法 网格点数提高了 — 倍，序列预测在小样本、非线性、未知概率密度条件下，预测和实际值取得了一致 ! $ 关键词：支持向量域，混沌，最小二乘，时间序列预测 ： !## )’) 别上具有较好的预测和识别能力 !J 引 言 大多数模式识别问题是分类和辨识问题，泛化 能力越强越难给出其精确的分类归属，但是却可以 支持向量域（ ）是