局域支持向量回歸及其在時(shí)空混沌序列預(yù)測(cè)中的應(yīng)用.pdf

1、腦電信號(hào)是大腦組織活動(dòng)和大腦功能狀態(tài)的綜合反映,是一種相當(dāng)復(fù)雜的信號(hào),它是人們了解大腦活動(dòng)的一扇窗口。腦電圖(EEG)是腦電信號(hào)在大腦皮層或頭皮表面的總體反映。實(shí)際上腦電信號(hào)具有混沌的特性,即腦電信號(hào)是一種非線性的混沌時(shí)間序列。工程上可以應(yīng)用混沌理論的方法對(duì)腦電信號(hào)進(jìn)行分析。從而對(duì)大腦活動(dòng)及一些疾病診斷和預(yù)測(cè)提供了一個(gè)輔助手段。
　　近年來(lái),由于混沌理論和應(yīng)用技術(shù)研究不斷深入,混沌時(shí)間序列分析及預(yù)測(cè)己成為混沌信號(hào)處理研究領(lǐng)域的前沿

2、研究熱點(diǎn),并且能夠解決工程實(shí)踐中遇到難以用線性信號(hào)處理方法解決的大量非線性信號(hào)處理問(wèn)題。其中,Vapnik等人根據(jù)統(tǒng)計(jì)學(xué)習(xí)理論提出了支持向量機(jī)學(xué)習(xí)方法,已經(jīng)廣泛應(yīng)用于建模解決分類(lèi)和回歸預(yù)測(cè)問(wèn)題。支持向量機(jī)最大的特點(diǎn)是改變了傳統(tǒng)的經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則。它是針對(duì)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則提出的一種學(xué)習(xí)機(jī)。因此具有泛化性能好,全局最優(yōu)及稀疏解等特點(diǎn),近年來(lái)受到國(guó)際學(xué)術(shù)界的廣泛研究和重視。
　　本文主要圍繞時(shí)空混沌序列的局域支持向量回歸(Suppo

3、rt Vector Regression, SVR)法預(yù)測(cè)和分布式支持向量回歸(SVR)法預(yù)測(cè),以及這兩種方法在腦電預(yù)測(cè)中的應(yīng)用展開(kāi)研究。本文的主要內(nèi)容包括:(1)局域(SVR)預(yù)測(cè)法及其在腦電中的應(yīng)用;(2)K-means聚類(lèi)算法中的獎(jiǎng)懲競(jìng)爭(zhēng)算法(Rival Penalized Competitive Learning,RPCL)及其改進(jìn)算法;(3)分布式SVR及其在腦電預(yù)測(cè)中的應(yīng)用。文章的主要工作包括:
　　(1)闡述混沌及時(shí)

4、空混沌的定義及特點(diǎn)。提出對(duì)于具有混沌特性的腦電,可以用支持向量機(jī)方法對(duì)其進(jìn)行建?；貧w預(yù)測(cè)。
　　(2)闡述了統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)理論。概述了現(xiàn)有的支持向量機(jī)的研究現(xiàn)狀及其訓(xùn)練算法。為了提高支持向量機(jī)在大樣本情況下訓(xùn)練遇到的困難,引入了局域法支持向量機(jī)。相對(duì)于全局支持向量機(jī),局域支持向量機(jī)預(yù)測(cè)誤差較小,且訓(xùn)練速度快。
　　(3)基于局域法的觀點(diǎn),提出了分布式的支持向量回歸(SVR)。改進(jìn)RCPL聚類(lèi)算法,并把它應(yīng)用到分布式