KPCA-LSSVM方法在视频时间序列预测中应用

作者：张观东; 李军时间序列预测交通流量视频流量核主成分分析最小二乘支持向量机

摘要：为提高时间序列预测精度及降低预测过程中的计算复杂度，提出一种基于核主成分分析(KPCA)与最小二乘支持向量机(LSSVM)相结合的预测方法.首先，将输入数据通过核方法映射至高维特征空间；然后，在特征空间上提取有效非线性主元；最终，通过LSSVM建立时间序列模型.为验证KPCALSSVM方法的有效性，将其应用于交通流及视频流预测中，在同等条件下，与单一的LSSVM及神经网络等预测方法进行比较.实验结果表明:基于KPCALSSVM建立的模型具有较好的推广性及较高的辨识精度.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社