集成剪枝評(píng)估準(zhǔn)則及PS-ELMs模型在時(shí)間序列預(yù)測(cè)中的應(yīng)用研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩64頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、集成剪枝技術(shù)可以有效解決集成學(xué)習(xí)存在的高計(jì)算復(fù)雜度的缺點(diǎn)。在各種集成剪枝方法中,基于排序的集成剪枝方法方法簡(jiǎn)單但具有良好的性能優(yōu)勢(shì)?;谂判虻募杉糁Ψ椒ǖ脑u(píng)估準(zhǔn)則是影響其性能的關(guān)鍵要素。本文提出了四種可以應(yīng)用于時(shí)間序列預(yù)測(cè)的基于排序的集成剪枝方法的評(píng)估準(zhǔn)則,分別是:ComTSP,ConTSP,ReTSP-Value,ReTSP-Trend,PocidTSP。
  ComTSP評(píng)估準(zhǔn)則是根據(jù)面向分類問(wèn)題設(shè)計(jì)的Com準(zhǔn)則改造的。Co

2、mTSP評(píng)估準(zhǔn)則的設(shè)計(jì)原理是如果子集成系統(tǒng)在剪枝集上的預(yù)測(cè)誤差大于候選預(yù)測(cè)器在剪枝集上的預(yù)測(cè)誤差,并且超過(guò)一定的閾值,那么這個(gè)候選預(yù)測(cè)器就是與子集成系統(tǒng)互補(bǔ)的。在每次選擇一個(gè)候選分類器,使得在將其并入到子集成系統(tǒng)中形成新的子集成系統(tǒng)后的預(yù)測(cè)誤差最小。ConTSP評(píng)估準(zhǔn)則是根據(jù)面向分類問(wèn)題的Con評(píng)估準(zhǔn)則而改造設(shè)計(jì)的。ConTSP的設(shè)計(jì)原理是獎(jiǎng)勵(lì)能做出正確預(yù)測(cè)結(jié)果的候選預(yù)測(cè)器,并且如果候選預(yù)測(cè)器能做出正確預(yù)測(cè)結(jié)果而子集成系統(tǒng)不能做出正確預(yù)

3、測(cè)結(jié)果,那么候選預(yù)測(cè)器應(yīng)當(dāng)給予更多的獎(jiǎng)勵(lì)。反之,如果候選預(yù)測(cè)器連同子集成系統(tǒng)都不能做出正確的預(yù)測(cè)結(jié)果,那么候選預(yù)測(cè)器就應(yīng)當(dāng)受到懲罰。ReTSP-Value和ReTSP-Trend評(píng)估準(zhǔn)則根據(jù) RE評(píng)估準(zhǔn)則而設(shè)計(jì)的,其設(shè)計(jì)原理很簡(jiǎn)單,就是選擇一個(gè)候選預(yù)測(cè)器使得其并入到子集成系統(tǒng)中形成新的子集成系統(tǒng)的預(yù)測(cè)誤差最小。然而,ReTSP-Value和ComTSP評(píng)估準(zhǔn)則有一個(gè)共同的缺陷就是,這兩種評(píng)估準(zhǔn)則不能保證從候選預(yù)測(cè)器中選擇到與當(dāng)前子集成系

4、統(tǒng)最互補(bǔ)的預(yù)測(cè)器。引起這個(gè)問(wèn)題的原因是時(shí)間序列的預(yù)測(cè)誤差具有方向性,所以說(shuō),以減小誤差大小而忽略誤差方向性為目標(biāo)的評(píng)估準(zhǔn)則的設(shè)計(jì)是不合理的。然而,本文設(shè)計(jì)的ReTSP-Trend集成剪枝評(píng)估準(zhǔn)則同時(shí)考慮了預(yù)測(cè)誤差的大小以及方向性,克服了其他集成剪枝評(píng)估準(zhǔn)則存在的缺陷,可以選擇到一個(gè)與當(dāng)前子集成系統(tǒng)最互補(bǔ)的候補(bǔ)預(yù)測(cè)器。另外,有效預(yù)測(cè)時(shí)間序列的趨勢(shì)對(duì)時(shí)間序列的預(yù)測(cè)具有很重要的意義。與以上面向提高時(shí)間序列預(yù)測(cè)精度而設(shè)計(jì)的集成剪枝評(píng)估準(zhǔn)則不同的

5、是,本文提出的另一種集成剪枝評(píng)估準(zhǔn)則PocidTSP是面向提高時(shí)間序列趨勢(shì)的預(yù)測(cè)能力而提出的。
  極限學(xué)習(xí)機(jī)(ELM)與梯度下降學(xué)習(xí)算法相比,具有學(xué)習(xí)速度快,泛化性能好,避免陷入局部最優(yōu)解而直接求得最優(yōu)解等優(yōu)良特性。本文還以 ELM為學(xué)習(xí)算法提出了一種新的面向時(shí)間序列預(yù)測(cè)的集成模型PS-ELMs。它根據(jù)Stacking集成方法,使用ELM算法構(gòu)成集成系統(tǒng)集合,并使用一個(gè)元方法組合集成系統(tǒng)中基模型的輸出。其與傳統(tǒng)Stacking方

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論