利用稀疏局部线性邻域嵌入，用于非线性时间序列...

简介：
该提交内容涵盖了稀疏编码程序、支持向量回归程序以及装袋树程序。此外，它还包含了论文中引用的 16 个数据集的引用，包括 Waleed Fakhr 的“用于非线性时间序列预测的稀疏局部线性和相邻嵌入”发表于 ICCES 2015 的论文，该论文于 2015 年 12 月发布。 本文详细阐述了一种基于字典的 L1 范数稀疏编码方法，用于时间序列预测，该方法在无需训练阶段且参数调整量极少的情况下运行，因此特别适用于非平稳和在线预测场景。预测流程的设计核心在于解决 L1 范数问题，针对每个测试向量，系统会估算出一组稀疏的权重。为了进一步优化稀疏编码公式，研究人员尝试引入稀疏局部线性嵌入和稀疏最近邻嵌入等约束。通过使用这 16 个时间序列数据集进行离线时间序列预测方法的测试，其中训练数据保持不变，结果表明所提出的方法在性能上优于采用 10 倍交叉验证的 LSSVM 模型，并且显著超越了正则化自回归模型 (AR) 的表现。