| 维纳模型的最小二乘支持向量机辨识 |
| |
| 引用本文： | 王卓,苑明哲,王宏.维纳模型的最小二乘支持向量机辨识[J].计算机仿真,2007,24(10):322-325. |
| |
| 作者姓名： | 王卓 苑明哲 王宏 |
| |
| 作者单位： | 1. 中国科学院沈阳自动化研究所,辽宁,沈阳,110016;中国科学院研究生院,北京,100039
2. 中国科学院沈阳自动化研究所,辽宁,沈阳,110016 |
| |
| 基金项目： | 中国科学院院长奖科研启动专项资金 |
| |
| 摘 要： | 针对传统维纳模型辨识方法存在算法复杂、精度低的问题,通过对最小二乘支持向量机建模原理和维纳模型结构特点的分析,提出一种基于最小二乘支持向量机的维纳模型辨识新方法.该方法充分利用了维纳模型中具有线性环节这一先验知识,实现了线性和非线性环节参数的同时辨识.对于多变量维纳模型,该方法同样适用.给出并证明了该方法存在唯一解的约束条件 - 参数部分列满秩.仿真实验表明了该方法的有效性,与标准最小二乘支持向量机辨识方法相比,该方法具有更高的精度.
|
| 关 键 词： | 维纳模型 最小二乘支持向量机 多变量系统 约束条件 维纳模型 最小 支持向量机 模型辨识 Support Vector Machine Least Square Based Models Wiener 标准 有效性 仿真实验 列满秩 环节参数 条件 约束 唯一解 多变量 线性和非线性 先验知识 |
| 文章编号： | 1006-9348（2007）10-0322-04 |
| 修稿时间： | 2006-08-05 |
Identification of Wiener Models Based on Least Square Support Vector Machine |
| |
| WANG Zhuo,YUAN Ming-zhe,WANG Hong.Identification of Wiener Models Based on Least Square Support Vector Machine[J].Computer Simulation,2007,24(10):322-325. |
| |
| Authors: | WANG Zhuo YUAN Ming-zhe WANG Hong |
| |
| Affiliation: | 1.Shenyang Institute of Automation;Chinese Academy of Sciences;Shenyang Liaoning 110016;China;2.Graduate School of the Chinese Academy of Sciences;Beijing 100039;China |
| |
| Abstract: | Considering the shortcomings of Wiener model's identification,this paper proposes a new identification method based on least squares support vector machine(LS-SVM).This method allows for the estimation of the model parameters of the linear part as well as the determination of the nonlinearity by the prior information of Wiener models.Then the MIMO identification case is also elaborated for the MIMO Wiener models.This paper also proofs the constraint condition of the method.An unique solution exists when the parametric part has full column rank.The experiments show the effectiveness of the presented method.This method has higher precision than the standard LS-SVM. |
| |
| Keywords: | Wiener model LS-SVM Multivariable system Constraint condition |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
