基于信道的历史信息来预测不同信道的未来可用时间可以帮助CR选择一个最佳信道进行信息传递。不同的预测准则应用到周期或是随机的开关模式中。一个CR可以学习以往不同信道的模式。我们提出一个简单的分类和学习方法去检测模式的类型和收集需要的信息用于智能信道的选择。MATLAB仿真结果显示提出的方案在随机信道的随机和周期模式中都有优越的表现。随着时间的变化，新到的切换次数减少到55 ，并且延迟时间也相应减少，而吞吐量却在提高。-Prediction of future availability times

基于最小二乘支持向量机理论,结合某风电场实测风速数据,建立了最小二乘支持向量机风速预测模型。对该风电场的风速进行了提前1h的预测,其预测的平均绝对百分比误差仅为8.55 ,预测效果比较理想。同时将文中的风速预测模型与神经网络理论、支持向量机(support vector machine,SVM)理论建立的风速预测模型进行了比较。仿真结果表明,文中所提模型在预测精度和运算速度上皆优于其他模型。 -Based on least squares support vector machine the