一种支持向量预测的知识发现算法

摘要

本发明公开了一种支持向量预测的知识发现算法，包括以下步骤：S1、获取初始样本集，初始化参数；S2、通过对样本集进行训练得到RVM预测模型；S3、计算每个样本的样本标签、局部密度因子和误差因子；S4、根据RVM预测模型对即将输入的未来样本进行预测；S5、降序排列样本特性向量并进行循环，若非相关向量次数超过设定的阈值，则从样本集中删除该样本，跳出循环；S6、判断是否还有输入的新样本，若有新样本，则加入新样本，形成新的样本集，转到步骤S2；若没有新样本，则输出预测的未来样本。本发明通过引入样本标签的概念，具有更高的预测精度，向量预测时间花费短，可广泛应用于实时数据的处理和预测中。