基于信息粒化的SVM时序回归预测

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

（广东工业大学自动化学院，广州５１０００６）
摘
要：为了提高ＳＶＭ的学习效率和泛化能力，首先利用一种信息粒化算法对原始数据进行预处理，该算法能
将样本空间划分为多个粒（子空间），降低样本规模，节省时间复杂度．然后将模糊粒化后的信息利用ＳＶＭ进行回
Βιβλιοθήκη Baidu
ｇｏｏｄ－ｐｅｒｆｏｍａｒｎｃｅｎｄａｍａｋｅｔｍｅｉｓｅｉｅｒｓｒｅｇｒｅｓｓｉｏｎｐｒｅｄｉｃｔｉｏｎｐｒｅｃｉｓｅｌｙ￣
Ｋｅｙｗｏｒｄｓ：ｉｎｆｏｍａｒｔｉｏｎｇｒａｎｕｌａｔｉｏｎ；ＳＶＭ；ｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｙ；ｔｒｅｒｅｇｓｓｉｏｎｐｒｅｄｉｃｉｔｏｎ
ｒｅｇｒｅｓｓｉｏｎａｎａｌｙｓｉｓ，ｗｈｉｌｅｔａｋｅｃｒｏｓｓｖａｌｉｄａｔｉｏｎｔｏｓｅｌｅｃｔｔｈｅｏｐｔｍａｉｌｃｌａｓｓｉｉｆｅｒａｄｊｕｓａｔｂｌｅｐａｒａｍｅｔｅｒｓ，ｗｈｉｃｈｃａｌｌｒｅｄｕｃｅ
ＴｉｍｅＳｅｒｉｅｓＲｅｇｒｅｓｓｉｏｎａｎｄＰｒｅｄｉｃｔｉｏｎＢａｓｅｄｏｎＩｎｆｏｒｍａｔｉｏｎＧｒａｎｕｌａｔｉｏｎａｎｄＳＶＭ
ｌｅｓｓｌｅａｒｎｉｎｇ．Ｆｉｎａｌｌｙ，ｔｈｅｔｅｓｔｒｅｓｕｌｔｓｏｎｆｏｒｅｃａｓｔｎｇｉｈｅｔＳｈａｎｇｈａｉＣｏｍｐｏｓｉｔｅＩｎｄｅｘｈａｖｅｐｒｏｖｅｄｈａｔｔｈｅｔｓｙｓｔｅｍｈａｓａ
Ａｂｓｔｒａｃｔ：ＩｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｌｅａｒｎｉｎｇｅｉｃｆｉｅｎｃｙａｎｄｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙｏｆＳＶＭ，ｆｉｒｓｔｌｙ，ｔｈｅｒａｗｄａｔａｉｓｐｒｅｐｒｏｃｅｓｓｅｄ
归分析，同时利用交叉验证选出最优的分类器调节参数，可降低分类器的复杂性和提高分类器的泛化能力，避免出现过学习和欠学习．最后通过预测上证指数的实验验证了该算法具有优越的特性，能够较为准确的进行时序
回归预测．
关键词：信息粒化；支持向量机；泛化能力；回归预测
ｂｙｕｓｉｎｇａｎｉｎｆｏｒｍａｔｉｏｎｇｒｎｕａｌａｔｉｏｎａｌｇｏｒｉｔｈｍ．ＴｈｉｓａｌｇｏｒｉｔｈｍＣｎａｄｉｖｉｄｅｓａｍｐｌｅｓｐａｃｅｉｎｔｏｍｕｌｔｉｐｌｅｐａｒｔｉｃｌｅｓ（ｓｕｂｓｐａｃｅ），
ＰＥＮＧＹｏｎｇ，ＣＨＥＮＹｕ－Ｑｉａｎｇ ’
（ＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＤｏｎｇｇｕａｎＰｏｌｙｔｅｃｈｎｉｃ，Ｄｏｎｇｇｕａｎ５２３８０８，Ｃｈｉｎａ）（ＦａｃｕｌｔｙｏｆＡｕｔｏｍａｔｉｏｎ，ＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｎｏｈｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ５１０００６，Ｃｈｉｎａ）
ｒｅｄｕｃｅｔｈｅｓａｍｐｌｅｓｉｚｅａｎｄｓａｖｅｈｅｔｔｍｅｉｃｏｍｐｌｅｘｉｔｙ．Ａｎｄｔｈｅｎ．ｍｅｇｒａｎｕｌａｔｅｄｉｎｆｏｍａｒｉｔｏｎｔａｋｅＳＶＭｔｏｃａｒｒｙｏｎｔｈｅ
ｈｅｔｃｏｍｐｌｅｘｉｙｔｏｆｈｅｔｃｌａｓｓｉｉｆｅｒｎｄａｍｐｉｒｏｖｅｈｅｔｇｅｎｅｒａｌｚａｉｔｉｏｎｃａｐａｂｉｌｉｙｔｏｆｔｈｅｃｌｓｓａｉｉｆｅｒａ０．ｄａｖｏｉｄＯｖｅｒｌｅａｒｎｉｎｇｎｄａ
２０１３年第２２卷第５期
ｈｔｔｐ：／／ｗｗｗ．ｃ－Ｓ－ａ．ｏｒｇ．ｃａ
计算机系统应用
基于信息粒化的ＳＶＭ时序回归预测①
彭勇，陈俞强ｌ ’
ｌ（东莞职业技术学院计算机工程系，东莞５２３８０８）