基于支持向量机的非线性系统辨识

• 作者: 刘江华 程君实 陈佳品
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 支持向量机 非线性系统 系统辨识
• 年，卷（期）: 2002,（11）
• 所属期刊栏目: 理论与实践
• 页码范围: 54-56,58
• 页数: 4页
• 分类号: TP13
• 字数: 2399字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-8829.2002.11.018

摘要

支持向量机(SVM)是一种新的通用学习机器,它从结构风险最小化的角度,分析了学习过程的一致性、收敛速度等.SVM能以任意精度逼近一类函数,而与输入的维数无关,克服了传统神经网络用于系统辨识的维数灾问题及结构难以确定等缺点.基于这一特性研究了对非线性动态系统的辨识问题,仿真结果表明SVM用于系统辨识有良好的辨识效果,并指出了今后研究的方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程君实	上海交通大学信息存储研究中心	43	1323	19.0	36.0
2	陈佳品	上海交通大学信息存储研究中心	107	1480	19.0	36.0
3	刘江华	上海交通大学信息存储研究中心	11	828	10.0	11.0