论文部分内容阅读
支持向量机是一种基于统计学习理论的新颖的机器学习方法，该方法已经广泛用于解决分类与回归问题。标准的支持向量机算法需要解一个二次规划问题，当训练样本较多时，其运算速度一般很慢。为了提高运算速度．介绍了一种基于线性规划的支持向量回归算法，并由此提出几种新的回归模型，同时将它们应用到混沌时间序列预测中．并比较了它们的预测性能。在实际应用中，可以根据具体情况灵活地选择所需模型。