基于混合最小二乘支持向量机网络模型的非线性系统辨识
陈杰
朱琳
1.北京理工大学信息科学技术学院自动控制系,北京,1000812.北京理工大学信息科学技术学院自动控制系,北京,100081
摘要：针对基于输入输出数据的非线性系统辨识问题,提出一种新的混合最小二乘支持向量机(LS-SVMs)网络模型及相应的学习算法.该算法将系统的辨识问题动态自适应的划分为若干子问题,将支持向量机(SVM)用于各子模块辨识;通过分析模型的统计学特性,给出基于整体框架优化的系统参数辨识方法.针对系统中参数相关联的特性,采用期望条件最大化(ECM)算法对其进行条件辨识.同时结合正则化理论和最小二乘法,保证各专家模块的结构风险最小化辨识原则.试验结果表明,该方法兼具良好的辨识精度和泛化性能.
关键词：混合专家系统最小二乘支持向量机非线性系统辨识期望条件最大化正则化
分类号：TP183(自动化基础理论)
资助基金：北京市教育委员会共建重点实验室资助项目(CSYS100070417)
论文发表日期：2010-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 303-309 )
英文信息