基于支持向量回归机的HHT边界效应处理.PDFVIP

第 2 卷第 3 期 　　　 　　　　 　　　　　　　智 　能 　系 　统 　学 　报 　　　　 　　　　 　 　 　　Vol . 2 №. 3 2007 年 6 月 　　　　　　　 　 　　 　　　　　　　　　　　J un . 2007 CAA I Tran saction s on Int elligent Sy st em s 基于支持向量回归机的 H H T 边界效应处理 李雪耀 ,张汝波 ,王 　武 ( 哈尔滨工程大学 计算机科学与技术学院 ,黑龙江 哈尔滨 15000 1) 摘 　要 :针对希尔伯特 - 黄变换中的边界效应 ,提出了基于支持向量回归机的时间序列预测方法. 在支持向量回归 机的应用当中 ,参数的选取对它的泛化性能有很大影响. 在讨论了参数对支持向量回归机的泛化性能的影响基础 上 ,提出了通过微粒群优化算法来优化支持向量回归机参数的方法 ,使得支持向量回归机在应用中能够 自适应的选 择最优参数 ,从而获得了更好的泛化性能 ,提高了在端点处的延拓精度 ,很好地抑制了端点效应. 试验表明 ,该优化 算法能够很好解决支持向量回归机的参数选取问题. 通过与神经网络的延拓方法和黄等人的 H H TDP S 结果对比 , 基于支持向量回归机的时间序列预测方法可以更好地解决在希尔伯特 - 黄变换中存在的边界效应 ,得到的固有模 态函数具有较小的失真. 关键词 :边界效应 ;希尔伯特 - 黄变换 ;支持向量回归机 ;微粒群优化 中图分类号 : TP 18 　文献标识码 :A 　文章编号 (2007) End effects processing in HHT based on support vector regression machines L I Xueyao , Z HAN G Rubo , WAN G Wu (College of Comp ut er Science and Technology , Harbin Engineering U niver sit y , Harbin 15000 1 , China) Abstract :In or der to bet t er re st rain end effect s in t he HilbertHuang t ran sfor m ( H H T) , a time sequence p rediction t echnique i s p ropo sed ba sed o n supp ort vector regre ssion machine s to imp rove time serie s p redic tion . In t he app licatio n of support vector regre ssion machine s ( SV RM) , p aramet er selectio n ha s a great in fluence on generalizatio n p erfor mance . So in t hi s p ap er , t he influence of p aramet er s on t he generalization of SV RM i s di scu ssed , and t hen a p article swar m op timization ( P SO) algorit hm i s u sed to op timize p aram et er s. U sing t hi s met ho d , SV RM can select op timal p aramet er s selfadap tively , so t hat higher generaliza tio