| ε-SVM与核变换最小二乘法在系统辨识中的比较研究 |
| |
| 引用本文： | 于春梅.ε-SVM与核变换最小二乘法在系统辨识中的比较研究[J].西南科技大学学报,2006,21(4):58-61. |
| |
| 作者姓名： | 于春梅 |
| |
| 作者单位： | 西南科技大学信息工程学院,四川绵阳,621010 |
| |
| 基金项目： | 国家863计划项目(2005AA121520)，四川省教育厅科技项目(2003B020) |
| |
| 摘 要： | 简要介绍了非线性回归方法--支持向量机(ε-SVM)和基于空间变换的最小二乘辨识方法(KBLS)的算法原理.通过仿真实验,对两种方法进行了比较.结果表明:两种方法都可以以高精度逼近一个高度非线性系统.在单输入情况下,不加噪声时,KBLS具有绝对优势,拟和性能优良,但待辨识参数比支持向量个数多;加噪干扰情况下,SVM已明显优于KBLS,但支持向量的个数也大于KBLS.双输入情况下,不加噪声时,KBLS已没有明显优势;若在输出端增加噪声,KBLS几乎完全失去了抵御能力.
|
| 关 键 词： | 非线性系统辨识 核变换 最小二乘法 支持向量机 |
| 文章编号： | 1671-8755(2006)04-0058-04 |
| 修稿时间： | 2006年6月19日 |
Performance Comparison of ε-SVM and Kernel Based LS in System Identification |
| |
| YU Chun-mei.Performance Comparison of ε-SVM and Kernel Based LS in System Identification[J].Journal of Southwest University of Science and Technology,2006,21(4):58-61. |
| |
| Authors: | YU Chun-mei |
| |
| Abstract: | |
| |
| Keywords: | nonlinear system identification kernel mapping least squares support vector machine |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
