无核相关向量机在时间序列预测中的应用

作     者：韩敏 许美玲 穆大芸 HAN Min;XU Mei-Ling;MU Da-Yun

作者机构：大连理工大学电子信息与电气工程学部辽宁大连116023 

出 版 物：《计算机学报》 (Chinese Journal of Computers)

年 卷 期：2014年第37卷第12期

页      面：2427-2432页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61074096 61374154) 国家"九七三"重点基础研究发展规划项目基金(2013CB430403)资助 

主　　题：核方法 储备池 相关向量机 时间序列预测 机器学习 

摘      要：针对采用核函数方法预测多元混沌时间序列时存在的高计算复杂度问题,该文在相关向量机的基础上,提出了一种不受核函数约束的无核相关向量机学习模型.利用储备池代替核函数,构建高维特征空间,将原始时间序列预测问题转化成与储备池参数相关的回归问题.在稀疏贝叶斯学习的框架下,给模型参数施加一个条件概率分布的约束,以得到稀疏的解空间,进而降低模型的复杂度,提高计算速度和预测精度.基于Lorenz混沌时间序列及太阳黑子-黄河径流量序列的仿真结果验证了所提模型的有效性.