基于模糊遗传优化支持向量机的系统辨识研究

• 作者: 刘军 杨延西 高异
• 来源期刊: 西安理工大学学报
• 学科: 工学
• 关键词: 支持向量机 模糊遗传算法 结构风险最小化 神经网络 系统辨识
• 年，卷（期）: 2006,（1）
• 页码范围: 49-53
• 页数: 5页
• 分类号: TP391.4
• 字数: 5111字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-4710.2006.01.012

摘要

在实际应用中支持向量机的参数选取问题一直没有得到很好地解决,限制了其应用.为了能够自动获取最优的支持向量机参数,提出了基于模糊遗传算法的SVM参数选择方法,用模糊逻辑在线调整遗传算法的交叉概率pc和变异概率pm,并采用基于模糊遗传优化的支持向量机回归和BP神经网络对非线性系统辨识问题进行了研究.仿真结果表明,在小样本情况下,支持向量机比神经网络具有更高的系统辨识精度和更好的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘军	西安理工大学自动化与信息工程学院	79	701	12.0	24.0
2	杨延西	西安理工大学自动化与信息工程学院	47	707	14.0	25.0
3	高异	西安理工大学自动化与信息工程学院	2	17	2.0	2.0