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! |
|