论文部分内容阅读
针对标准支持向量机处理大规模数据集会出现训练速度慢、计算量大的缺点，提出了一种基于二叉树模型的支持向量机回归方法。通过二叉树模型将大样本数据集自适应分解成若干个子集，利用支持向量机分段提出支持向量，再把这些支持向量汇合成一个训练样本集进行训练产生决策函数，并将其应用到混沌时间序列的预测。与标准算法相比，该方法在保证泛化精度一致的前提下，极大地加快了训练速度。