欢迎来到天天文库
浏览记录
ID:32969801
大小:835.96 KB
页数:37页
时间:2019-02-18
《ε-支持向量回归在时间序列型数据预测上的应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、四川大学硕士学位论文作者林溯培养单位指导教师专业研究方向授予学位日期四川大学数学学院周杰教授概率论与数理统计应用概率统计年月目s一支持向量回归在时间序列型数据预测上的应用概率论与数理统计专业研究生:林溯指导教师:周杰教授支持向量机(SupportVectorMachine,SVM)是基于由Vapnik等人提出的可应用于小样本的统计学习理论(Staffstica]LearningTheory,SLT)的一种新的机器学习方法,由于引入了结构风险最小化(StructuralRiskMinimization,SRM)的思想,有很好的学习能力
2、,并解决了如维数灾难,小样本,非线性,局部极值等问题,已经成为数据挖掘技术中的研究热点。目前SVM主要在分类和回归两个领域有着广泛的应用。由于SVM最先是在分类问题上取得成功的,因此这方面的理论和实际应用的研究已经日趋成熟,而回归方面还有很多应用有待发掘。本文首先简要介绍了统计学习理论的主要内容,在此基础上较为系统的介绍了支持向量回归(SupportVectorMachineforRegression.,SVR)中的一种算法E.SVR的基本原理和实现过程,并用此方法对不同的时间序列类型的经济数据(深圳市旅游客流量月度数据和成都市物价
3、指数月度数据)进行了回归和预测,在对旅游客流量的回归和预测中,比较了采用不同的核函数(Iu疆核函数和多项式核函数)的预测效果,前者明显优于后者,并与传统的时间序列分析方法进行了比较,预测性能也比传统的时间序列分析方法好很多。此外,还与已有的对成都物价指数预测的方法进行了比较,体现了£.SVR在时间序列型数据的回归和预测方面的有效性。关键词支持向量回归,时间序列,预测,核函数。Applicationofe-SVRonTimeSeriesPredictionMajor:ProbabilityTheoryandMathematicalSt
4、atisticsAuthor:SuLinSupervisor:JieZhouSupportVectorMachine(SVM)isanewmachinelearningmethodbasedOilStatisticalLearningTheorywhichisdevelopedbyVapnikandhisco-workers,andcanbeuseundersmallsamples.BecausetheideaofStructuralRiskMinimizationisintroduced,SVMhasmuchbetterlearn
5、ingabilityandsolvesmanydifficultproblemssuchasdimensiondisaster,smallsamples,non-linearmodel,localextremumandSOon,SOithasalreadybecomepopularinthefieldofdatamining.SofarSVMaremainlyappliedinclassificationandregression,foritWasfirstlyusedintheformer,andreceiveexcellentp
6、erformance,researchofthetheoriesandpracticalapplicationsinthisfieldhavebeingwelldeveloped,buttherearestillmanydifferentapplicationsinregressionworthOUrstudy.Inthisthesis,themaincontentofStatisticalLearningTheoryisfirstlyinvoducedbfiefly,basedonthis,thebasicprincipleand
7、processofE'-SVR(onealgorithmofSupportVectorMachineforRegression,SVR)ispresented.Thenusingthismethodtomodelbuildingandpredicttwodifferenttimeseriesdata(ShenzhenmonthlytouristquantitydataandChengdumonthlypriceindexdata),tOpredicttheformeLlwodifferentkernelfunctionsareemp
8、loyed,andtheformer’Sperformanceisevidentlybetterthanthelatter’S.占-SVR’Sperformanceisalsocomparedwiththatoftraditional
此文档下载收益归作者所有