文档介绍：第卷第期计算机技术与发展. .
年月.
基于多尺度稀疏的时间序列预测
肖强
国核电力规划设计研究院,北京
摘要:最小二乘支持向量机在提高了支持向量机的运算速度的同时,失去了解的稀疏性。构造的多尺度稀疏最小二乘
支持向量机,首先通过小波包分解对于数据进行多尺度描述,同时采用最小二乘支持向量机的学习算法获得数据之间的
尺度相关性,可以实现解的稀疏性和可解释性,从而实现了系统的多尺度分解、子系统建模与合成的一体化。通过在时间
序列预测上的应用可以发现,此模型在获得稀疏解的同时,极大地提高了系统的性能。而且,可以获得输出结果在不同尺
度上的贡献度,增加了系统的可解释性。
关键词:多尺度稀疏最小二乘支持向量机;小波包分解;最小二乘支持向量机;金融时间序列;时问序列预测
中图分类号: 文献标识码: 文章编号:———

,,
:.,—
,.
—, —. —

—.—
.,
. .
: —; ; ;—
;
概述稀疏性这一优良特征为代价的。对于机器学习方法而
最小二乘支持向量机⋯是标准支持向量机的一言,其推广性能的高低与容量密切相关,容量控制是改
种改进形式。最小二乘支持向量机. 善学习机器性能的有效途径。对于而言,最小
,选择平方损失函数取代化构成决策超平面的基函数的数目,是其有效地克服
支持向量机,采用的不维数灾难、提高推广性能的关键因素。如何使得—
敏感损失函数,从而可以使用等式约束取代所的决策函数能够采用稀疏解描述近来吸引很多学
需求解的优化问题中采用的不等式约束条件,这使得者进行了大量的研究。方法通过删除对于
的优化等价于求解线性方程组,从而极大地改预测结果影响较小的样本,也就是将低于某一阈值的
善了运算速度慢这一瓶颈。这同时使得拉格朗日系数置零,从而实现结果的稀疏性。另一种
具有运算简单、收敛速度快、精度高的突出特点,特别方法通过定义的指标删除核矩阵的一些列,实现稀
是在大数据量的情况下具有很大的优势。但是,. 疏解。文献提出一种新的稀疏复合分类器,基于
这一优势的获得是以失去了所具有的解的修正的最近邻规则缩减剩余子集的方法识别支持向
量。这些研究成果大多以提高的运算速度为
出发点,在获得稀疏解的同时,都丢失了大量的信息,
收稿日期:——;修回日期:——
基金项目:国核院科研业务专项基金项目一一—从而不同程度地损害了方法的性能,又增加了方法的
作者简介:肖强一,男,山东济南人,研究生,工程师,研究方复杂程度。
向为人工智能、工程概预算经济分析。机器学习的对象是大量的数据。数据的描述方式
· · 计算机技术与发展第卷
对于等机器学习方法的性能具有重要的影响。分。对于任意函数,可以将其正交分解为细节部
研究结果显示,现实世界的大量系统具有非周期的多分和大尺度逼进部分,在将大尺度逼进部分进一步分
尺度耦合特性,这也是目前常用的方法难以有效解,便可得到任意尺度上的逼进部分和细节部分。随
的把握这类复杂系统的动力学特征的根本原因。文中着尺度的变化,可以在不同尺度上对目标进行不同精
提出的多尺度稀疏最小二乘支持向量机方法以下简度的观察,这就是多尺度分析的思想。
称:多尺度稀疏采