对于时间序列预测问题，临近支持向量回归机的求解矩阵的规模会随着样本数目的增加而急剧增大。针对这一问题，提出了一种在线临近支持向量机回归算法。利用在线学习来更新样本数据以及核矩阵，通过删除旧样本添加新样本来保证训练样本数目的恒定，以降低存储空间和计算代价。实验结果表明，与已有的相关算法相比，所提算法不仅具有良好的预测精度，而且在进行多步预测时，具有较高的预测效率。
科研之友
微信
新浪微博
Facebook
分享链接
