时间序列数据流的自适应预测
提出一种自适应预测方法AFStreams,综合了复杂人工智能预测方法和时间序列预测方法的优点,可以根据数据流值变化的快慢程度自适应地确定预测步长,在计算资源受限的前提下,形成最佳预测点轨迹.仿真实验证明,AFStreams能够良好地适应数据的变化,在计算复杂度和预测精度之间平衡,显著地提高了平均预测精度.
时间序列、数据流、预测、插值小波、Kalman滤波
33
TP3(计算技术、计算机技术)
江苏省研究生培养创新工程项目xm04-36
2007-04-16(万方平台首次上网日期,不代表论文的发表时间)
共5页
197-201