书籍详情
混沌时间序列预测及其抵抗方法
作者：杜宝祥 著
出版社：人民邮电出版社
出版时间：2020-07-01
ISBN：9787115540409
定价：¥79.00
购买这本书可以去
内容简介
本书首先分析了现有混沌时间序列预测的基本理论与方法，然后给出了两种预测方法：基于最小二乘支持向量机动态选择集成混沌时间序列预测方法和基于变异粒子群联合参数优化多尺度核混沌时间序列预测方法，两种方法都很好地提高了混沌时间序列的预测精度。最后详细介绍了双重K-L变换（Karhunen-Loeve Transform）方法，该方法有效抵抗了对混沌序列的预测，提高了系统的安全性。本书可作为非线性系统分析相关专业技术人员的参考资料，也可作为相关专业研究生学习非线性系统预测与分析的参考书。
作者简介
长期从事信息安全与保密通信领域的教学与研究工作，近5年内发表学术论文15篇，其中SCI检索论文3篇，EI检索论文11篇，主持黑龙江省教育厅科学技术研究项目一项、黑龙江省教育厅电子工程重点实验室科学研究项目一项，作为主要参加人参与国家自然科学基金项目2项、黑龙江省教育厅项目一项，主持黑龙江大学教学改革项目一项，参加黑龙江大学教学改革项目一项。
目录
第 1章 混沌的基本理论\t1
1．1 混沌的起源和发展\t1
1．2 混沌的定义\t2
1．2．1 李天岩 约克（Li-Yorke）混沌的定义\t2
1．2．2 Devaney混沌的定义\t3
1．3 混沌的主要特点\t3
1．4 混沌系统的主要模型\t4
参考文献\t6
第 2章 混沌时间序列预测的基本理论与方法\t8
2．1 混沌时间序列预测理论研究的意义\t8
2．2 混沌时间序列预测的国内外研究现状\t9
2．2．1 线性时间序列的预测模型\t9
2．2．2 非线性时间序列预测模型\t9
2．3 相空间重构理论\t13
2．4 几种基本的混沌时间序列预测方法\t14
2．4．1 全局预测法\t14
2．4．2 局域预测法\t15
2．4．3 自适应预测法\t16
2．5 本章小结\t16
参考文献\t16
第3章 基于最小二乘支持向量机动态选择集成混沌时间序列预测方法\t22
3．1 引言\t22
3．2 支持向量回归机算法\t23
3．2．1 SVR基本模型\t24
3．2．2 最小二乘支持向量机模型\t27
3．3 集成学习的基本框架\t28
3．3．1 集成学习的基本原理\t28
3．3．2 集成学习机的分类\t30
3．4 回归集成算法\t34
3．4．1 回归集成学习\t34
3．4．2 自适应动态选择集成回归算法\t36
3．4．3 自适应动态选择算法\t38
3．5 混沌相空间重构\t38
3．6 基于自适应动态选择LS-SVM集成混沌时间序列预测算法\t40
3．7 测试分析与比较\t41
3．7．1 Lorenz混沌时间序列预测\t41
3．7．2 Hénon混沌时间序列预测\t46
3．7．3 Mackey-Glass混沌时间序列的6步以及80步直接预测\t49
3．7．4 太阳黑子混沌时间序列预测\t53
3．8 本章小结\t55
参考文献\t55
第4章 基于变异粒子群联合参数优化多尺度核混沌时间序列预测方法\t57
4．1 引言\t57
4．2 核理论及核函数构造\t58
4．2．1 多核学习：多尺度核方法\t60
4．2．2 多核机器的学习方法\t62
4．3 基于多尺度逃逸粒子群优化的联合参数优化算法\t64
4．3．1 粒子群基本原理\t64
4．3．2 多变异逃逸粒子群算法\t66
4．3．3 多尺度逃逸算法的优化机理及收敛性分析\t70
4．3．4 基于多尺度逃逸PSO联合参数多核支持向量机优化混沌预测\t72
4．4 测试分析与比较\t75
4．4．1 Lorenz混沌时间序列\t75
4．4．2 Hénon混沌时间序列预测\t81
4．4．3 Mackey-Glass 混沌时间序列的6步以及80步直接预测\t84
4．4．4 太阳黑子混沌序列预测\t89
4．5 本章小结\t91
参考文献\t91
第5章 混沌时间序列抵抗预测方法\t94
5．1 引言\t94
5．2 序列自相关分析与去除法\t95
5．3 基于相空间重构K-L变换的混沌序列相关性去除法\t96
5．3．1 K-L变换原理\t96
5．3．2 Logistic二值序列的产生及其K-L变换\t97
5．3．3 K-L变换前后混沌序列预测对比分析\t99
5．3．4 K-L变换前后自相关分析\t103
5．3．5 频谱分析\t106
5．3．6 时频分析\t108
5．3．7 周期及复杂度分析\t109
5．4 基于双重K-L变换的混沌时间序列相关性去除法\t109
5．4．1 双重K-L变换方法\t109
5．4．2 自相关分析\t110
5．4．3 频谱分析\t114
5．4．4 周期及复杂度分析\t115
5．5 本章小结\t116
参考文献\t116
第6章 混沌时间序列预测与抵抗预测的结论与展望\t118
1．1 混沌的起源和发展\t1
1．2 混沌的定义\t2
1．2．1 李天岩 约克（Li-Yorke）混沌的定义\t2
1．2．2 Devaney混沌的定义\t3
1．3 混沌的主要特点\t3
1．4 混沌系统的主要模型\t4
参考文献\t6
第 2章 混沌时间序列预测的基本理论与方法\t8
2．1 混沌时间序列预测理论研究的意义\t8
2．2 混沌时间序列预测的国内外研究现状\t9
2．2．1 线性时间序列的预测模型\t9
2．2．2 非线性时间序列预测模型\t9
2．3 相空间重构理论\t13
2．4 几种基本的混沌时间序列预测方法\t14
2．4．1 全局预测法\t14
2．4．2 局域预测法\t15
2．4．3 自适应预测法\t16
2．5 本章小结\t16
参考文献\t16
第3章 基于最小二乘支持向量机动态选择集成混沌时间序列预测方法\t22
3．1 引言\t22
3．2 支持向量回归机算法\t23
3．2．1 SVR基本模型\t24
3．2．2 最小二乘支持向量机模型\t27
3．3 集成学习的基本框架\t28
3．3．1 集成学习的基本原理\t28
3．3．2 集成学习机的分类\t30
3．4 回归集成算法\t34
3．4．1 回归集成学习\t34
3．4．2 自适应动态选择集成回归算法\t36
3．4．3 自适应动态选择算法\t38
3．5 混沌相空间重构\t38
3．6 基于自适应动态选择LS-SVM集成混沌时间序列预测算法\t40
3．7 测试分析与比较\t41
3．7．1 Lorenz混沌时间序列预测\t41
3．7．2 Hénon混沌时间序列预测\t46
3．7．3 Mackey-Glass混沌时间序列的6步以及80步直接预测\t49
3．7．4 太阳黑子混沌时间序列预测\t53
3．8 本章小结\t55
参考文献\t55
第4章 基于变异粒子群联合参数优化多尺度核混沌时间序列预测方法\t57
4．1 引言\t57
4．2 核理论及核函数构造\t58
4．2．1 多核学习：多尺度核方法\t60
4．2．2 多核机器的学习方法\t62
4．3 基于多尺度逃逸粒子群优化的联合参数优化算法\t64
4．3．1 粒子群基本原理\t64
4．3．2 多变异逃逸粒子群算法\t66
4．3．3 多尺度逃逸算法的优化机理及收敛性分析\t70
4．3．4 基于多尺度逃逸PSO联合参数多核支持向量机优化混沌预测\t72
4．4 测试分析与比较\t75
4．4．1 Lorenz混沌时间序列\t75
4．4．2 Hénon混沌时间序列预测\t81
4．4．3 Mackey-Glass 混沌时间序列的6步以及80步直接预测\t84
4．4．4 太阳黑子混沌序列预测\t89
4．5 本章小结\t91
参考文献\t91
第5章 混沌时间序列抵抗预测方法\t94
5．1 引言\t94
5．2 序列自相关分析与去除法\t95
5．3 基于相空间重构K-L变换的混沌序列相关性去除法\t96
5．3．1 K-L变换原理\t96
5．3．2 Logistic二值序列的产生及其K-L变换\t97
5．3．3 K-L变换前后混沌序列预测对比分析\t99
5．3．4 K-L变换前后自相关分析\t103
5．3．5 频谱分析\t106
5．3．6 时频分析\t108
5．3．7 周期及复杂度分析\t109
5．4 基于双重K-L变换的混沌时间序列相关性去除法\t109
5．4．1 双重K-L变换方法\t109
5．4．2 自相关分析\t110
5．4．3 频谱分析\t114
5．4．4 周期及复杂度分析\t115
5．5 本章小结\t116
参考文献\t116
第6章 混沌时间序列预测与抵抗预测的结论与展望\t118
猜您喜欢
