基于时序核函数的支持向量回归机-中国科技论文在线.PDFVIP

中国科技论文在线 第 15卷 第3期 计 算 机 辅 助 工 程 Vo1．15No．3 2006年 9月 COMPUTER AIDEDENGINEERING Sep．2006 文章编号：1006-0871(2006)0373035-04 基于时序核函数的支持向量回归机 王 平 ， 王文剑 (1．山西大学计算机与信息技术学院，山西太原 030006； 2．山西警官高等专科学校 计算机科学与技术系，山西太原 030021) 摘 要：为克服维数灾难和过拟合等传统算法所不可规避的问题，利用支持向量机 (SupportVector Machine，SVM)提出基于时序数据时间相关性的核函数修正选择方法，并以真实的二氧化硫 (SO，) 数据为实验数据验证该方法的有效性．实验结果表明采用时序核 函数对测试数据集的拟合效果更 好，并对模型泛化能力有一定的提高． 关键词：支持向量机；支持向量回归；核函数；时序核函数；时序数据 中图分类号：TP181 文献标志码 ：A SVR machinebasedon timeserieskernel WANGPing ，WANGWenjian (1．SchoolofComputer＆Info．Tech．，ShanxiUniv．，TaiyuanShanxi030006，China； 2．Dept．ofComputerSci．＆Tech．，ShanxiPoliceAcademy，TaiyuanShanxi030021，China) Abstract：Toovercometheproblemssuchasthecurseofdimensionalityandover．fitting．whichthetra． ditionalmethodcan’tavoid．acorrectionselectionmethodofkernelfunctionbasedontimecorrelationfor timeseriesdataisproposedbyusingSupportVectorMachine(SVM)．Theexperimentisdoneontheac— tualSO．datatoveilfythevalidationofthemethod．Theexperimentalresultdemonstratesthatthemethod canimprovethefittingeffectandobtainbettergeneralizationperformanceformodule． Keywords：supportvectormachine(SVM)；supportvectorregression (SVR)；kernelfunction；time serieskernelfunction：timeseriesdata 实的数学基础，并且可以很好地克服维数灾难和过 0 引 言 拟合等传统算法所不可规避的问题 ，所以受到越来 支持向量机 (SupportVectorMachine，SVM)是 越多研究人员的关注． 由VAPNIK提出的一种新的通用学习机器方法 ¨J， 对于e．支持向量回归机 (e．SVR)J，设训练样 具有 良好的泛化能力，目前已广泛应用于模式识别 、 本集为 {( ，Y)}1，其中 ∈R ，Y∈R，i=1，…， 函数估计和时间序列预测等领域．SVM基于统计学 f，则SVR决策函数为 习理论的结构风险