基于小波的支持向量机算法研究
林继鹏，刘君华
（西安交通大学电气工程学院，710049,西安）
摘要:基于小波对偶框架和支持向量核函数的条件,提出了一种支持向量小波核函数.该核函数利用小波的多尺度插值特性和稀疏变化特性，不仅提高了模型的精度和迭代的收敛速度,而且还适用于信号的局部分析、信噪分离和突变信号的检测,从而在提高支持向量机(SVM)泛化能力的同时,提高了辨识效果和减少了计算量.基于该核函数和正则化理论提出的最小二乘小波支持向量机用于非线性系统辨识,对SINC函数的逼近,该小波核得到的均方根误差不足高斯径向基核的1／12,对logistic混沌序列预测的均方根误差不超过8×10-6,同时实验表明,预测的长度对预测均方根误差没有显著影响，这表明小波核SVM具有更好的泛化能力.
关键词:小波核；混沌；支持向量机；泛化能力
中图分类号:TP18文献标识码:A文章编号:0253-987X(2005)08-0816-04