基于粗糙集的GMDH神经网络的时间序列预测
针对随机时间序列的强不确定性和非线性特征,结合粗糙集理论和成组数据处理的神经网络技术建立了基于粗集的GMDH神经网络预测模型.同时就自然界大多数的随机时间序列数据维数较大的问题,为提高约简效率,提出了基于快速求核和集合近似质量的约简算法,并进行了仿真验证.结果表明,基于粗集的GMDH神经网络预测模型合理可行,约简算法快速有效.
粗糙集、时间序列、成组数据处理、约简
29
TP18(自动化基础理论)
2010-03-19(万方平台首次上网日期,不代表论文的发表时间)
共4页
179-181,184