基于支持向量机的非线性系统辨识方法

• 作者: 张翠芳 张葛祥 荣海娜
• 来源期刊: 四川大学学报(自然科学版)
• 学科: 工学
• 关键词: 支持向量机 回归 非线性系统 辨识
• 年，卷（期）: 2004,（z1）
• 页码范围: 447-451
• 页数: 5页
• 分类号: TP2
• 字数: 2953字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2004.z1.105

摘要

支持向量机是一种基于结构风险最小化原理的新一代机器学习方法,在分类和回归估计方面已显示出了很好的应用前景.本文在简要介绍支持向量回归新方法的基础上,给出用于非线性系统进行辨识的支持向量机模型和多输入支持向量机的核函数构造方法,并将支持向量机与神经网络的非线性系统辨识效果进行了比较分析.实验结果表明,支持向量机具有比神经网络更强的非线性系统辨识能力和更好的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张翠芳	西南交通大学计算机与通信工程学院	73	463	12.0	17.0
2	张葛祥	西南交通大学电气工程学院	73	1799	20.0	41.0
3	荣海娜	西南交通大学计算机与通信工程学院	15	381	7.0	15.0