集成剪枝评估准则及ps-elms模型在时间序列预测中的应用研究-application research of integrated pruning evaluation criteria and ps - elms model in time series prediction.docxVIP

摘要集成剪枝技术可以有效解决集成学习存在的高计算复杂度的缺点。在各种集成剪枝方法中， 基于排序的集成剪枝方法方法简单但具有良好的性能优势。基于排序的集成剪枝方法的评估准 则是影响其性能的关键要素。本文提出了四种可以应用于时间序列预测的基于排序的集成剪枝 方法的评估准则，分别是：ComTSP，ConTSP，ReTSP-Value，ReTSP-Trend，PocidTSP。ComTSP 评估准则是根据面向分类问题设计的 Com 准则改造的。ComTSP 评估准则的设计 原理是如果子集成系统在剪枝集上的预测误差大于候选预测器在剪枝集上的预测误差，并且超 过一定的阈值，那么这个候选预测器就是与子集成系统互补的。在每次选择一个候选分类器， 使得在将其并入到子集成系统中形成新的子集成系统后的预测误差最小。ConTSP 评估准则是 根据面向分类问题的 Con 评估准则而改造设计的。ConTSP 的设计原理是奖励能做出正确预测 结果的候选预测器，并且如果候选预测器能做出正确预测结果而子集成系统不能做出正确预测 结果，那么候选预测器应当给予更多的奖励。反之，如果候选预测器连同子集成系统都不能做 出正确的预测结果，那么候选预测器就应当受到惩罚。ReTSP-Value 和 ReTSP-Trend 评估准则 根据 RE 评估准则而设计的，其设计原理很简单，就是选择一个候选预测器使得其并入到子集 成系统中形