局域多分辨小波支持向量回歸模型的研究及其應(yīng)用.pdf

1、越來(lái)越多的研究表明，人類大腦是一個(gè)復(fù)雜的非線性時(shí)空混沌系統(tǒng)。大腦的高度復(fù)雜非線性特征顯示出其混沌動(dòng)力學(xué)的特征。作為人類大腦行為的外在表征的EEG信號(hào)，已經(jīng)在臨床診斷中發(fā)揮著越來(lái)越重要的作用。使用先進(jìn)的方法研究EEG信號(hào)可以讓我們?cè)诓煌哪X功能狀態(tài)下，提取更多的有用信號(hào)，并為理解腦電潛在固有機(jī)制帶來(lái)幫助。
　　 本文提出了一種有效的時(shí)空混沌信號(hào)建模的方法。首先，考慮模型的訓(xùn)練速度，本文提出采用局域支持向量機(jī)模型，大大減少了模型的訓(xùn)

2、練時(shí)間。其次，在基于局域模型的基礎(chǔ)上，權(quán)衡模型預(yù)測(cè)精度與模型復(fù)雜度之間的矛盾，選擇采用基于不等式約束的支持向量機(jī)，從而使模型既不過(guò)于復(fù)雜的情況下，提高模型的預(yù)測(cè)精度。再者，從支持向量機(jī)的核函數(shù)構(gòu)造出發(fā)，理論分析使用小波函數(shù)作為核函數(shù)的可行性及其理論的優(yōu)越性。之后，根據(jù)多分辨分析的思想，結(jié)合小波支持向量機(jī)的原理，提出真正意義上的多分辨支持向量回歸模型，從而更好地?cái)M合頻率變化豐富的時(shí)空混沌信號(hào)。最后，我們將新建立的模型應(yīng)用于仿真時(shí)空混沌信號(hào)