粒子滤波优化的相关向量回归多步预测方法

李勇; 陈俊达; 张胜满; 常亮

Chinese

您当前的位置：

首页 >

文章列表页 >

粒子滤波优化的相关向量回归多步预测方法

更新时间：2026-09-04

- 粒子滤波优化的相关向量回归多步预测方法
- Relevance Vector Regression Multi-step Prediction Method Optimized By Particle Filter
- 微电子学与计算机 2015年32卷第1期页码：161-164
- 作者机构：
  
  1. 1 63863部队,吉林,白城,137001
  2. 2 63956部队,北京,100095
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2015
- 稿件说明：
移动端阅览
李勇, 陈俊达, 张胜满, 常亮. 粒子滤波优化的相关向量回归多步预测方法[J]. 微电子学与计算机, 2015, 32(1): 161-164,168.

LI Yong, CHEN Jun-da, ZHANG Sheng-man, et al. Relevance Vector Regression Multi-step Prediction Method Optimized By Particle Filter[J]. 2015, 32(1): 161-164.
李勇, 陈俊达, 张胜满, 常亮. 粒子滤波优化的相关向量回归多步预测方法[J]. 微电子学与计算机, 2015, 32(1): 161-164,168. DOI：

LI Yong, CHEN Jun-da, ZHANG Sheng-man, et al. Relevance Vector Regression Multi-step Prediction Method Optimized By Particle Filter[J]. 2015, 32(1): 161-164. DOI：

摘要

为有效削弱多步回归预测中的累积误差

提出粒子滤波优化的相关向量回归多步预测方法.采用相关向量机建立预测对象的状态特征参数回归预测模型.将回归模型作为系统状态方程

预测输出的概率分布作为重要性分布

采用粒子滤波算法对预测值进行动态修正

逼近状态的最优估计.对比实验验证了该方法的预测精度相比相关向量回归多步预测有较大的提高.

Abstract

In order to weaken cumulative error in multi-step regression prediction effectively

relevance vector regression multi-step prediction method optimized by particle filter is proposed in this paper. Relevance vector machine is used to build regression prediction model of characteristic parameters of state. Regression model is acted as system state function and probability distribution of prediction output is acted as importance distribution. By using particle filter algorithm

prediction data is corrected dynamically and the optimal state is estimated. It is proved that the precision of relevance vector regression multi-step prediction method optimized by particle filter is improved by contrast experiment.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

对极几何约束下的粒子滤波目标协同跟踪算法

基于重采样技术改进的粒子滤波算法

适用于空间定位的粒子滤波算法研究及实现

基于粒子滤波与局部搜索的视频目标跟踪

面向处理器分支预测单元的Spectre攻击轻量化防御方法