%0 Journal Article
%T Prediction of chaotic time sequence using least squares support vector domain<br>最小二乘支持向量域的混沌时间序列预测
%A Ren Ren
%A Xu Jin
%A Zhu Shi-Hua
%A <br>任韧
%A 徐进
%A 朱世华
%J 物理学报
%D 2006
%I 
%X 从支持向量域SVD(Support Vector Domain)出发，根据Takens延时相空间重构思想，利用支持向量机非线性映射，建立了混沌时间序列和混沌非线性相轨迹运动的SVD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(SVD)，预测了Henon/Lorenz/Rossler三种混沌时间序列.预测结果表明，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(SVM)相比，SVD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，且存在自适应方法.网格点数提高了10—20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.
%K support vector domain
%K chaos
%K least squares
%K time series prediction<br>支持向量域
%K 混沌
%K 最小二乘
%K 时间序列预测
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=6E709DC38FA1D09A4B578DD0906875B5B44D4D294832BB8E&cid=47EA7CFDDEBB28E0&jid=29DF2CB55EF687E7EFA80DFD4B978260&aid=EE77C01601289778&yid=37904DC365DD7266&vid=E514EE58E0E50ECF&iid=0B39A22176CE99FB&sid=AF4A4411BB448A36&eid=8DBE05486163BAB2&journal_id=1000-3290&journal_name=物理学报&referenced_num=1&reference_num=19