李德才
- 作品数：6 被引量：29H指数：2
- 供职机构：大连理工大学更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 基于奇异值分解及PRESS统计的模型结构优化方法
- 2012年
- 针对线性参数模型的基函数选择问题,结合奇异值分解和PRESS统计提出一种模型结构优化算法.通过预先对候选基函数矩阵进行分块操作,减少非最优列间的重复比较.在此基础上,对各子块采用奇异值分解与PRESS统计相结合的方法进行选择,直接以模型的泛化能力作为目标,自适应地选择基函数.通过奇异值分解,在降低候选基函数数量的同时,使其彼此之间相互正交,有效地简化了PRESS统计的计算复杂度.仿真结果表明,所提出的方法能够有效简化模型结构,并保持较高的预测精度.
- 李德才韩敏
- 关键词：奇异值分解
- 基于多元时间序列的关联分析及预测方法研究
- 长期以来,对于时间序列的预测研究多是以单变量模型为主。然而,现有研究表明,复杂的实际系统往往包含多元特性,将具有一定相关性的多个序列作为一个整体进行研究,更有助于解释系统的内在运行规律。目前,国内外对多元时间序列的研究取...
- 李德才
- 文献传递
- 基于EOF-SVD模型的多元时间序列相关性研究及预测被引量：7
- 2008年
- 将奇异值分解同自然正交分解相结合,提出一种改进的正交奇异值分解方法。通过对原始数据进行自然正交分解,削弱原始数据之间的相关性,增强其用于分析及预测的能力,并得到相互正交的主成分代替原始数据进行奇异值分解,分析两个变量场之间的相关关系。在此基础上建立神经网络预测模型,实现多元时间序列的预测。采用该方法对三门峡处径流量同太平洋海温的耦合关系进行分析,并同常规奇异值分解方法进行比较,仿真结果验证了所提方法的有效性。
- 韩敏李德才
- 关键词：奇异值分解
- 基于替代函数及贝叶斯框架的1范数ELM算法被引量：19
- 2011年
- 针对极端学习机(Extreme learning machine,ELM)算法的不适定问题和模型规模控制问题,本文提出基于1范数正则项的改进型ELM算法.通过在二次损失函数基础上引入1范数正则项以控制模型规模,改善ELM的泛化能力.此外,为简化1范数正则化方法的求解过程,利用边际优化方法,构建适当的替代函数,以便于采用贝叶斯方法代替计算复杂的交叉检验方法,并实现正则化参数的自适应估计.仿真结果表明,本文所提算法能够有效简化模型结构,并保持较高的预测精度.
- 韩敏李德才
- 关键词：极端学习机贝叶斯方法
- 基于鲁棒回声状态网络的混沌时间序列预测研究被引量：1
- 2011年
- 针对回声状态网络模型易受异常点影响的问题,提出一种基于拉普拉斯先验分布的鲁棒回声状态网络模型.通过采用对异常点不敏感的拉普拉斯分布代替高斯分布作为模型输出的先验,以增强网络对于异常点的抑制能力.此外,为解决由引入拉普拉斯分布所造成的求解困难的问题,根据边际优化方法,构建适当的替代函数,使拉普拉斯先验等价转化为易于计算的高斯形式,并通过贝叶斯方法实现模型参数的自适应估计.仿真结果表明,在异常点存在的情况下,本文所提出的模型具有较好的鲁棒性,并仍能保持较高的预测精度.
- 李德才韩敏
- 关键词：回声状态网络
- 基于因果聚类的多变量时间序列相关性研究及预测
- 本文基于常规的聚类分析,提出一种改进的多变量降维方法。该方法主要在变量间相似程度的判别标准方面进行改进,根据预测变量同预测对象间的相似性,并同时考虑距离因素同相关系数对相似性程度的影响,更加合理的对变量进行分类。在此基础...
- 韩敏李德才
- 关键词：时间序列预测奇异值分解
- 文献传递
