多尺度高斯过程模型及其学习曲线研究

项目名称： 多尺度高斯过程模型及其学习曲线研究

项目编号： No.60972106

项目类型： 面上项目

立项/批准年度： 2010

项目学科： 自动化技术、计算机技术

项目作者： 周亚同

作者单位： 河北工业大学

项目金额： 22万元

中文摘要： 近年来高斯过程（GP）模型在机器学习领域受到关注，本课题针对GP模型之不足，借助小波分析理论构建一种全新、普适的多尺度高斯过程（MGP）模型，使之具备多尺度表示功能，同时适合用来表示非平稳时间序列；且具备泛化能力强、计算速度快等优点。在构建过程中拟解决多尺度协方差函数的数值计算、确定尺度参数的最优值等关键问题。推导MGP模型学习曲线公式并研究其渐进性质；推导学习曲线的单点上界公式。研究学习曲线的逼近，并定量比较单点上界与逼近间的紧致度，以便全面深入揭示MGP模型泛化性能的内在规律，使模型在理论上更完备，从而给机器学习研究提供一个崭新的基本框架，为把众多学习方法统一纳入到该框架下提供一种可能。探寻MGP模型的应用领域，深入分析模型预测非平稳时间序列的机制，开辟非平稳时间序列预测的新途径。实现基于MGP模型的短期电力负荷预测，并定量比较MGP模型、GP模型和支持向量机等三种方法的预测结果。

中文关键词： 多尺度；高斯过程模型；学习曲线；时间序列；小波分析

英文摘要：

英文关键词： multi-scale；Gaussian process model；learning curve；time series；wavelet analysis