LS-SVM的一种参数优选方法及混沌时间序列预测  

作　　者：王海龙[1] 周辉仁[1,2] 宗蕴 刘春霞 

机构地区：[1]天津大学系统工程研究所,天津300072 [2]济南热电有限公司,济南250100

出　　处：《统计与决策》2009年第1期22-24,共3页Statistics & Decision

摘　　要：支持向量机是一种新型的学习方法,该方法以结构风险最小化原则取代传统机器学习中的经验风险最小化原则,在小样本的机器学习中显示出了优异的性能。文章提出适当的验证性能指标用遗传算法优化最小二乘支持向量机的有关参数,并进行时间序列预测。通过对混沌时间序列的预测及和神经网络预测的比较证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的。

关 键 词：最小二乘支持向量机 遗传算法 参数优化 混沌时间序列预测 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]