论文部分内容阅读
为了提高统计数据时间序列准确预测的能力，针对当前的线性指数预测方法计算开销过大，且容易陷入局部最优的问题，提出一种基于变结构神经网络控制的决策树预测算法，对待处理的统计数据时间序列进行非线性特征相空间重构，在重构的高维特征相空间中进行决策树训练，提取统计数据信息流的主成分特征，对提取的特征参量采用变结构神经网络控制器进行伴随跟踪训练，进行数据聚类中心搜索和预测指向性误差的小扰动抑制，实现统计数据时间序列的准确预测．仿真结果表明，采用该算法进行统计数据预测的精度较高，收敛性较好，对数据信息流的走势拟合性能较