Local Prediction of Chaotic Time Series Based on Support Vector Machine

基于一个混乱动力学系统的阶段空间延期坐标重建，我们用一台支持向量机器(SVM ) 建议混乱时间系列的本地预言克服传统的本地预言方法的缺点。模拟结果证明这的表演建议为做一步舞和多步预言的预言者比传统的本地线性预言方法和全球 SVM 方法的优异。Inaddition，它的预言表演对嵌入尺寸和最近的邻居的数字的选择感觉迟钝，是重要的，就算我们不知道最佳的嵌入尺寸，令人满意的结果能因此被完成并且怎么选择最近的邻居的数字。