论文部分内容阅读
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。