IFS-LSSVM及其在时延序列预测中的应用

摘要：

针对最小二乘支持向量机预测模型中最优参数难以确定的问题，提出一种基于改进的自由搜索算法确定最小二乘支持向量机最优参数的方法( IFS-LSSVM )。对标准自由搜索算法进行改进，使之可应用于最小二乘支持向量机的参数优化，改进之后的算法具有更好的优化性能。将具有时间序列性质的网络时延作为预测对象，利用本文的IFS-LSVM算法进行预测。在仿真中与遗传算法优化的最小二乘支持向量机( GA-LSSVM)、粒子群优化算法优化的最小二乘支持向量机( PSO-LSSVM)、标准最小二乘支持向量机工具箱中的网格搜索算法( Grid-LSSVM)进行了对比。仿真对比结果表明本文的方法具有更高的预测精度与更小的预测误差。

关键词：最小二乘支持向量机、自由搜索、时延序列、预测、时间序列

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金61034005;辽宁省博士科研启动基金20141070

在线出版日期：2015-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：104-110