| 基于支持向量机的非线性系统辨识 |
| |
| 引用本文： | 张浩然,韩正之,李昌刚.基于支持向量机的非线性系统辨识[J].系统仿真学报,2003,15(1):119-121. |
| |
| 作者姓名： | 张浩然 韩正之 李昌刚 |
| |
| 作者单位： | 上海交通大学自动化系,上海,200030 |
| |
| 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，也是一种新的具有很好泛化性能的回归方法，该文利用支持向量机对非线性系统进行黑箱建模，介绍了V-SVR的基本理论，并进行了仿真实验，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 非线性系统 统计学习理论 回归估计 系统辨识 |
| 文章编号： | 1004-731X(2003)01-0119-03 |
| 修稿时间： | 2002年2月25日 |
Support Vector Machine Based Nonlinear Systems Identification |
| |
| ZHANG Hao-ran,HAN Zheng-zhi,LI Chang-gang.Support Vector Machine Based Nonlinear Systems Identification[J].Journal of System Simulation,2003,15(1):119-121. |
| |
| Authors: | ZHANG Hao-ran HAN Zheng-zhi LI Chang-gang |
| |
| Abstract: | Support vector machine is a learning technique based on the structural risk minimization principle, and it is also a class of regression method with good generalization ability. This paper uses support vector machine to model nonlinear dynamical systems, and briefly describes the theory of v-SVR. A simulation example is taken to demonstrate correctness and effectiveness of the proposed approach. |
| |
| Keywords: | support vector machine statistical learning theory nonlinear systems identification regression estimation |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
