期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

一类非线性逆系统的加权最小二乘支持向量机辨识方法 被引量：5

原文传递
导出
摘要 文中依据T-S模型的思想,提出了一种加权最小二乘支持向量机辨识算法.它采用模糊c均值(FCM)聚类确定规则数目,通过Gauss型函数将原输入输出空间分成若干子空间,在子空间中使用最小二乘支持向量机(LS-SVM)拟合获得子模型,然后由一个权重机制合成这些子模型,得到系统的模型.文中使用该方法去辨识关键反馈变量难以获得的非线性逆系统.为了得到这类逆系统的有效建模数据,采用了联合逆系统方法.仿真结果表明,加权最小二乘支持向量机辨识方法是有效的,它能够实现这类非线性逆系统的辨识,而且拟合误差平稳,波动幅度小,拟合精度和泛化能力都较好.
作者 孙长银 穆朝絮 李训铭
机构地区 东南大学自动化学院 河海大学电气工程学院
出处 《中国科学（F辑:信息科学）》 CSCD 2009年第4期431-440,共10页
基金 国家自然科学基金(批准号:60874013) 教育部博士点专项基金(批准号:20070286001)资助项目
关键词 子空间 加权LS-SVM 逆系统方法 非线性建模
分类号 TP13 [自动化与计算机技术—控制理论与控制工程]
  • 相关文献

参考文献18

  • 1荣海娜,张葛祥,金炜东.系统辨识中支持向量机核函数及其参数的研究[J].系统仿真学报,2006,18(11):3204-3208. 被引量：79
  • 2戴先中著..多变量非线性系统的神经网络逆控制方法[M].北京:科学出版社,2005:197.
  • 3J.A.K. Suykens,J. Vandewalle.Least Squares Support Vector Machine Classifiers[J]. Neural Processing Letters . 1999 (3) 被引量：1
  • 4Hirschorn R M.Invertibility of multivariable nonlinear control systems. IEEE Transactions on Automatic Control . 1979 被引量：1
  • 5Suykens JAK,Vandewalle J.Least squares support vector machine classifiers. Neural Processing Letters . 1999 被引量：1
  • 6Kok Seng Chua.Efficient computations for large least square support vector machine classifiers. Pattern Recognition . 2003 被引量：1
  • 7Takagi T,Sugeno M.Fuzzy Identification of Systems and Its Applications to Modeling and Control. IEEE Transactions on Systems Man and Cybernetics . 1985 被引量：1
  • 8Suykens J A K.Nonlinear modelling and supportvector machines. Proceedings of the 18 th IEEEInstrumentation and Measurement TechnologyConference . 2001 被引量：1
  • 9VAPNIK V.An overview of statistical learning theory. IEEE ACM Transactions on Networking . 1999 被引量：1
  • 10Sun C Y,Mu C X,Liang H.Inverse system identification of nonlinear systems using LSSVM. Advances in Neural Networks-ISNN2008 . 2008 被引量：1

二级参考文献16

  • 1VNVapnik 张学工译.统计学习理论的本质[M].北京:清华大学出版社,2000.. 被引量：7
  • 2G P Liu.Nonlinear Identification and Control:a Neural Network Approach[M].London,New York:Springer,2001. 被引量：1
  • 3V N Vapnik,S Golowich,A Smola.Support vector method for function approximation,regression estimation,and signal processing[C]//In M Mozer,M Jordan,and T Petsche,(eds.).Advances in Neural Information Processing Systems.Cambridge,MA:MIT Press,1997:281-287. 被引量：1
  • 4J C Christopher,A Burges.A tutorial on support vector machines for pattern recognition[J].Data Mining and Knowledge Discovery (S1384-5810),1998,2(2):121-167. 被引量：1
  • 5A Smola,B Scho1kopf.A Tutorial on Support Vector Regression[EB/OL].(1998)[2004].http://www.neurololt.com. 被引量：1
  • 6J C Platt.Fast Training of Support Vector Machines using Sequential Minimal Optimization[C]//In Advances in Kernel Methods-Support Vector Learning MIT Press,1999,185-208. 被引量：1
  • 7A Gretton,A Doucet,R Herbrich.Support vector regression for black-box system identification[C]// In:Proceedings of the 11th IEEE Signal Processing Workshop on Statistical Signal Processing,2001,Piscataway:IEEE press,2001:341-344 被引量：1
  • 8Y Tan,J Wang.A Support Vector Machine with a Hybrid Kernel and Minimal Vapnik-Chervonenk is Dimension[J].IEEE transactions on knowledge and data engineering (S 1041-4347),2004,16(4):385-395. 被引量：1
  • 9C W Hsu,C C Chang,C J Lin.A Practical Guide to Support Vector Classification[EB/OL].(2003)[2004].http://www.csie.ntu.edu.tw/～cjlin. 被引量：1
  • 10H T Lin,C J Lin.A study on sigmoid kernels for SVM and the training of non-PSD Kernels by SMO-type methods[EB/OL].(2003)[2004].http://www.csie.ntu.edu.tw/～cjlin. 被引量：1

共引文献78

同被引文献62

引证文献5

二级引证文献10

中国科学（F辑:信息科学）
2009年 第4期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部