LS-SVM的矩形窗算法及其在非线性系统建模中的应用
支持向量机是在统计学习理论的基础上发展起来的新一代学习算法,该算法在若干挑战性的应用中获得了目前为止最好的性能。支持向量机以及核学习方法被认为是”机器学习领域非常流行的方法和成功的例子”,并是一个十分令人瞩目的发展方向。最小二乘支持向量机是支持向量机的一种重要方法,但该方法不能用于在线辨识,并且可能导致计算膨胀问题。将最小二乘支持向量机与矩形窗算法相结合,可形成最小二乘支持向量机的矩形窗算法。由于该方法采用了在线递推,可有效克服坏数据对参数估计的影响,并可避免计算膨胀问题,提高了最小二乘支持向量机的计算速度。最后将该方法应用于非线性系统的建模中,仿真实例验证了该方法的有效性。
支持向量机 最小二乘法 矩形窗 非线性系统
石军 龙玉峰 宋召青
海军装备部兵器部 北京 100841 中国人民解放军92154部队 烟台 264001 海军航空工程学院控制工程系 烟台 264001
国内会议
内蒙古呼伦贝尔
中文
1-5
2008-07-01（万方平台首次上网日期，不代表论文的发表时间）