基于鲁棒支持向量机的非线性系统辨识

摘要：

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,该文利用鲁棒支持向量机对非线性系统进行黑箱建模,首先推导出鲁棒支持向量机的基本理论,给出了对偶优化问题,并结合一个具体的例子进行了仿真实验,结果验证了所提出的方法的正确性和有效性.

关键词： 支持向量机 统计学习理论 非线性系统辨识

作者: 韩建民 王丽侠 张浩然

作者单位: 浙江师范大学信息学院,金华,321004 浙江师范大学行知学院,金华,321004

会议类型: 国内会议

会议名称: 第四届全国信息获取与处理学术会议

会议地点: 贵阳、沈阳

会议语种:中文

页码: 2279-2280

在线出版日期: 2006-08-01（万方平台首次上网日期，不代表论文的发表时间）