| 基于支持向量机的非线性系统辨识 |
| |
| 引用本文： | 刘江华,陈佳品,程君实. 基于支持向量机的非线性系统辨识[J]. 测控技术, 2002, 21(11): 54-56,58 |
| |
| 作者姓名： | 刘江华 陈佳品 程君实 |
| |
| 作者单位： | 上海交通大学,信息存储研究中心,上海,200030 |
| |
| 摘 要： | 支持向量机（SVM）是一种新的通用学习机器，它从结构风险最小化的角度，分析了学习过程的一致性，收敛速度等。SVM能以任意精度逼近一类函数，而与输入的维数无关，克服了传统神经网络用于系统辨识的维数灾问题及结构难以确定等,在于这一辨识的维数灾问题及结构难以确定等特点，基于这一特性研究了对非线性动态系统的辨识问题，仿真结果表明SVM用于系统辨识有良好的辨识效果，并指出了今后研究的方向。
|
| 关 键 词： | 支持向量机 非线性系统 系统辨识 数学模型 函数逼近 |
| 文章编号： | 1000-8829(2002)11-0054-03 |
Nonlinear System Identification Based on Support Vector Machine |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
