学位论文 > 优秀研究生学位论文题录展示

局域支持向量回归及其在时空混沌序列预测中的应用

作　者: 林椿皓
导　师: 孙丽莎
学　校: 汕头大学
专　业: 信号与信息处理
关键词: 时空混沌预测 EEG信号预测分布式SVR K-means聚类算法
分类号: TN911.7
类　型: 硕士论文
年　份: 2008年
下　载: 139次
引　用: 0次
阅　读: 论文下载

内容摘要

脑电信号是大脑组织活动和大脑功能状态的综合反映，是一种相当复杂的信号，它是人们了解大脑活动的一扇窗口。脑电图（EEG）是脑电信号在大脑皮层或头皮表面的总体反映。实际上脑电信号具有混沌的特性，即脑电信号是一种非线性的混沌时间序列。工程上可以应用混沌理论的方法对脑电信号进行分析。从而对大脑活动及一些疾病诊断和预测提供了一个辅助手段。近年来，由于混沌理论和应用技术研究不断深入，混沌时间序列分析及预测己成为混沌信号处理研究领域的前沿研究热点，并且能够解决工程实践中遇到难以用线性信号处理方法解决的大量非线性信号处理问题。其中，Vapnik等人根据统计学习理论提出了支持向量机学习方法，已经广泛应用于建模解决分类和回归预测问题。支持向量机最大的特点是改变了传统的经验风险最小化原则。它是针对结构风险最小化原则提出的一种学习机。因此具有泛化性能好，全局最优及稀疏解等特点，近年来受到国际学术界的广泛研究和重视。本文主要围绕时空混沌序列的局域支持向量回归（Support Vector Regression, SVR）法预测和分布式支持向量回归（SVR）法预测，以及这两种方法在脑电预测中的应用展开研究。本文的主要内容包括：（1）局域（SVR）预测法及其在脑电中的应用；（2）K-means聚类算法中的奖惩竞争算法（Rival Penalized Competitive Learning，RPCL）及其改进算法；（3）分布式SVR及其在脑电预测中的应用。文章的主要工作包括：（1）阐述混沌及时空混沌的定义及特点。提出对于具有混沌特性的脑电，可以用支持向量机方法对其进行建模回归预测。（2）阐述了统计学习理论和支持向量机理论。概述了现有的支持向量机的研究现状及其训练算法。为了提高支持向量机在大样本情况下训练遇到的困难，引入了局域法支持向量机。相对于全局支持向量机，局域支持向量机预测误差较小，且训练速度快。（3）基于局域法的观点，提出了分布式的支持向量回归（SVR）。改进RCPL聚类算法，并把它应用到分布式SVR中。（4）实验对真实脑电进行预测。最后总结了本文的主要工作，并指出模型的一些主要问题和可以进一步研究发展的方向。

全文目录

相似论文

基于遗传算法和粗糙集的聚类算法研究,TP18
基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
针对包含异常值数据的优化K-MEANS聚类算法,TP311.13
数据挖掘在校园网用户网络行为分析的应用研究,TP393.18
数据挖掘在入侵检测系统中的应用研究,TP393.08
基于短语特征的Web文档聚类方法研究,TP391.1
基于遗传算法的数据挖掘技术研究,TP311.13
Web文本聚类技术及聚类结果可视化研究,TP391.1
数据挖掘在沪市公司分类的应用,TP311.13
聚类算法在学生成绩分析中的应用研究,TP301.6
基于网格的K-means算法与聚类有效性指标,TP18
太阳能光伏发电系统设计及供电系统优化方法研究,TM615
基于RBF网络的OKP企业变型零件生产提前期估算,F407.4
自适应聚类算法及其应用技术的研究与实现,TP311.131
隐马尔可夫模型在基因调控网络建模中的应用,O211.62
Ad Hoc无线自组织网网络流量的研究,TN929.5
基于遗传算法的K-means聚类算法分析研究,TP18
离心式风机振动故障诊断方法研究,TH442
智能预测土建工程概算方法的研究及其应用,TU723.3
数据挖掘技术及其在超市CRM中的应用,TP311.13