Hits:

Indexed by:期刊论文

Date of Publication:2014-12-15

Journal:计算机学报

Included Journals:EI、PKU、ISTIC、CSCD、Scopus

Volume:37

Issue:12

Page Number:2427-2432

ISSN No.:0254-4164

Key Words:核方法;储备池;相关向量机;时间序列预测;机器学习

Abstract:针对采用核函数方法预测多元混沌时间序列时存在的高计算复杂度问题,该文在相关向量机的基础上,提出了一种不受核函数约束的无核相关向量机学习模型.利用储备池代替核函数,构建高维特征空间,将原始时间序列预测问题转化成与储备池参数相关的回归问题.在稀疏贝叶斯学习的框架下,给模型参数施加一个条件概率分布的约束,以得到稀疏的解空间,进而降低模型的复杂度,提高计算速度和预测精度.基于Lorenz混沌时间序列及太阳黑子-黄河径流量序列的仿真结果验证了所提模型的有效性.